CN105308461B - 样品分析物浓度的逐次逼近法 - Google Patents

样品分析物浓度的逐次逼近法 Download PDF

Info

Publication number
CN105308461B
CN105308461B CN201480025370.9A CN201480025370A CN105308461B CN 105308461 B CN105308461 B CN 105308461B CN 201480025370 A CN201480025370 A CN 201480025370A CN 105308461 B CN105308461 B CN 105308461B
Authority
CN
China
Prior art keywords
concentration
pseudo
grappling
parameter
analyte
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201480025370.9A
Other languages
English (en)
Other versions
CN105308461A (zh
Inventor
伍焕平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bayer Healthcare LLC
Original Assignee
Bayer Healthcare LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Bayer Healthcare LLC filed Critical Bayer Healthcare LLC
Publication of CN105308461A publication Critical patent/CN105308461A/zh
Application granted granted Critical
Publication of CN105308461B publication Critical patent/CN105308461B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/72—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood pigments, e.g. haemoglobin, bilirubin or other porphyrins; involving occult blood
    • G01N33/721—Haemoglobin
    • G01N33/723—Glycosylated haemoglobin
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/28—Electrolytic cell components
    • G01N27/30—Electrodes, e.g. test electrodes; Half-cells
    • G01N27/327—Biochemical electrodes, e.g. electrical or mechanical details for in vitro measurements
    • G01N27/3271—Amperometric enzyme electrodes for analytes in body fluids, e.g. glucose in blood
    • G01N27/3274—Corrective measures, e.g. error detection, compensation for temperature or hematocrit, calibration
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/10—Signal processing, e.g. from mass spectrometry [MS] or from PCR

Abstract

通过用于进行分析的生物传感系统和由生物传感器的测量装置测量的输出信号的误差都可以将误差引入到分析中。对于参考样品，可以通过相对误差的确定来确定系统误差。然而，在用生物传感系统的测量装置进行的测试样品分析期间，无法知晓真实相对误差。在分析期间确定的伪参考浓度可以用作真实相对误差的替代。分析确定的伪参考分析物浓度越接近于所述测试样品的参考分析物浓度，所述测量装置在补偿期间利用锚定参数确定的分析物浓度就越准确和/或精确。本发明通过逐次逼近法提供了对于分析确定的伪参考浓度的准确度和/或精确度的改善。

Description

样品分析物浓度的逐次逼近法
相关申请的交叉参考
本申请主张享有于2013年3月14日提交的题目为“样品分析物浓度的逐次逼近法”的美国临时申请第61/781771号的优先权，并且将该申请的全部内容以引用的方式并入本文。
背景技术
生物传感系统提供诸如血液、血清、血浆、尿液、唾液、间质液或细胞内液等生物流体样品的分析。典型地，该系统包括对留存于测试传感器的样品进行分析的测量装置。样品通常处于液态，且除了生物流体以外，样品还可以是生物流体的衍生物，诸如提取物、稀释物、滤液或重组沉淀物等。由生物传感系统进行的分析用来确定生物流体中一种或多种分析物(例如，乙醇、葡萄糖、尿酸、乳酸、胆固醇、胆红素、游离脂肪酸、甘油三酯、蛋白质、酮类、苯丙氨酸或酶类等)的存在和/或浓度。例如，糖尿病患者可以使用生物传感系统来确定血液中的A1c或葡萄糖的水平以进行饮食和/或药物的调整。
在含有血红蛋白(Hb)的血液样品中，可以确定总血红蛋白(THb)和糖化血红蛋白(HbA1c)的存在和/或浓度。HbA1c(％-A1c)是糖尿病患者葡萄糖控制状态的反映，由此能够了解测试前三个月的平均葡萄糖控制。对于糖尿病患者而言，％-A1c的精确测量有助于确定在与血糖水平的瞬时测量提供的期限相比的更长时期内患者通过饮食和/或药物控制血糖水平的程度。因为瞬时血糖测量无法指示在进行测量时以外的时候的血糖控制。
生物传感系统可以设计为用来分析一种或多种分析物且可以使用不同体积的生物流体。一些系统可以分析例如体积为0.25-15微升(μL)等的单滴血液。生物传感系统可以使用台式、便携式等测量装置来实现。便携式测量装置可以是手持的且能够实现样品中一种或多种分析物的识别和/或量化。便携式测量系统的实例包括纽约塔里敦拜耳医药保健公司(Bayer HealthCare in Tarrytown，New York)的计量仪，而台 式测量系统的实例包括可从德克萨斯州奥斯丁CH仪器公司(CH Instruments in Austin，Texas)购得的电化学工作站。
生物传感系统可以利用光学和/或电化学方法来分析生物流体。在一些光学系统中，通过测量已经与光可识别物(例如，分析物或由与分析物反应的化学指示剂形成的反应物或产物等)相互作用或已经被光可识别物吸收的光来确定分析物浓度。在其它的光学系统中，化学指示剂在被激励光束照射时发出荧光或发出响应于分析物的光。这些光可以被转换成电输出信号(例如，电流或电位等)，该输出信号同样可以处理成电化学系统的输出信号。在任一光学系统中，系统测量光并使光与样品的分析物浓度相关联。
在光吸收光学系统中，化学指示剂产生吸收光的反应产物。可以使用如下的化学指示剂：四唑(tetrazolium)连同诸如心肌黄酶等酶。四唑通常响应于分析物的氧化还原反应而形成甲臜(色原体)。来自光源的入射光束指向样品。光源可以是激光或发光二极管等。入射光束可以具有被选择用于反应产物吸收的波长。当入射光束穿过样品时，反应产物吸收一部分入射光束，从而减弱或降低入射光束的强度。入射光束可以从样品反射回检测器或穿过样品至检测器。检测器收集且测量减弱的入射光束(输出信号)。被反应产物减弱的光量是样品中分析物浓度的指示。
在光产生光学系统中，化学指示剂响应于分析物氧化还原反应发出荧光或发光。检测器收集且测量产生的光(输出信号)。由化学指示剂产生的光量是样品中分析物浓度的指示并且被表示为检测器的电流或电位。
利用反射率的光学系统的示例是用于确定血液中A1c血红蛋白的浓度的层流％-A1c系统。这些系统利用免疫分析化学，其中，将血液引入生物传感系统的测试传感器，血液在这里与试剂反应然后沿着试剂膜流动。当接触血液时，A1c抗体覆盖色珠释放且与血液一起运动至检测区域1。由于血液样品中的A1c与检测区域1中存在的A1c肽对色珠的竞争，未附着于A1c抗体的色球在区域1中被俘获且因此作为反射率变化的A1c信号而被检测。血液样品中的总血红蛋白(THb)也与其它血液处理剂反应并向下游移动进入以不同波长进行测量的检测区域2。为了确 定血液样品中的A1c浓度，反射率信号与A1c分析物浓度(％-A1c)成比例，但是受到血液的THb含量的影响。然而，为了THb的测量，区域2内的反射率与血液样品的THb(mg/mL)成反比，但是不会受到血液中的A1c含量的明显影响。
在电化学系统中，当输入信号施加于样品时，从由响应于分析物浓度的分析物的氧化/还原或氧化还原反应产生的电信号或可测量物中确定样品的分析物浓度。输入信号可以是电位或电流且可以是恒定的、可变的或它们的组合(例如当AC信号与DC信号偏置一起被施加时)。输入信号可以作为单脉冲来施加或以多脉冲、序列或周期的形式来施加。酶或类似物可以被添加至样品以加强氧化还原反应期间从分析物的电子转移。酶或类似物可以与单一分析物反应，从而将特异性提供给产生的输出信号的一部分。氧化还原介体可以用作保持酶的氧化态和/或协助从分析物至电极的电子转移的可测量物。因此，在氧化还原反应期间，在氧化还原介体在自身与测试传感器的电极之间转移电子的同时，酶或类似物可以在分析物与氧化还原介体之间转移电子。
电化学生物传感系统通常包括具有电触头的测量装置，电触头与测试传感器的电导体连接。所述导体可以由诸如固态金属、金属膏、导电碳、导电碳膏和导电聚合物等导电材料制成。所述电导体连接至工作电极和对电极，且根据测试传感器的设计，可以连接至延伸进样品容器中的参考电极和/或它他电极连接。一个或多个电导体也可以延伸进样品容器以提供电极无法提供的功能。
在许多生物传感系统中，测试传感器可以适于在活体的外部、内部或局部内部使用。当在活体的外部使用时，可以将生物流体的样品引入测试传感器中的样品容器。测试传感器可以在分析用样品的引入前、引入后或引入期间被放置于测量装置中。当在活体的内部或局部内部使用时，测试传感器可以持续地浸在样品中或可以间歇地将样品引入测试传感器。测试传感器可以包括使样品的体积部分隔离的容器或可以对样品开放。当开放时，测试传感器可以采用与生物流体接触地放置的纤维或其它结构的形式。同样，为了分析，样品可以连续地流经测试传感器以例如用于连续监测，或被中断以例如用于间歇监测。
电化学生物传感系统的测量装置通过电触头将输入信号施加于测试传感器的电导体。电导体通过电极将输入信号传入存在于样品容器内的样品。分析物的氧化还原反应产生响应于输入信号的电输出信号。测试传感器的电输出信号可以是电流(如安培分析法或伏安法所产生的)、电位(如电位分析法/电流测定法所产生的)或累积电荷(如库仑分析法所产生的)。测量装置可以具有这样的处理能力：测量输出信号且使输出信号与样品中的一种或多种分析物的存在和/或浓度相关。
在库仑分析法中，电势被施加至样品以完全氧化或还原分析物。美国专利第6120676号说明了利用库仑分析法的生物传感系统。在安培分析法中，恒定电位(电压)的电信号被施加至测试传感器的电导体且测量的输出信号是电流。美国专利第5620579号、第5653863号、第6153069号和第6413411号说明了利用安培分析法的生物传感系统。在伏安分析法中，变化电位的电信号被施加至生物流体的样品且测量的输出是电流。在门控安培分析法和门控伏安分析法中，分别如WO 2007/013915和WO 2007/040913中所述地那样使用脉冲输入。
主要输出信号响应于样品的分析物浓度并且是从分析的输入信号中获得。基本上不受响应于样品的分析物浓度的信号影响的输出信号包括响应于温度的信号和基本上响应于干扰物(诸如，当分析物例如是葡萄糖时血液样品的红细胞或对乙酰氨基酚含量)的信号。基本上不响应于分析物浓度的输出信号可以被称为次要输出信号，因为它们不是响应于分析物或分析物响应指示剂造成的光变化、分析物的电化学氧化还原反应或分析物响应氧化还原介体的电化学氧化还原反应的主要输出信号。次要输出信号响应于生物样品的物理或环境特性。次要输出信号可以由样品或其它来源(例如，对样品的环境特性提供评估的热电偶)引起。因此，次要输出信号可以从分析的输入信号中或从另外的输入信号中确定。
当由样品引起时，可以从用来确定样品的分析物浓度的电极或从额外的电极中确定次要输出信号。额外的电极可以包括与用来确定样品的分析物浓度的电极相同的试剂成分、不同的试剂成分或不包括试剂成分。例如，可以使用与干扰物反应的试剂成分，或可以使用电极缺少试剂成 分来研究样品的一种或多种物理特性(例如，全血红细胞等)。
生物传感系统的测量性能是由准确度(accuracy)和精确度(precision)来定义的。准确度反映系统误差分量和随机误差分量的组合效果。系统误差或真实性(trueness)是从生物传感系统中确定的平均值与生物流体的分析物浓度的一个或多个采纳参考值之间的差。真实性可以用平均偏差来表达，平均偏差值越大表示真实性越低并且从而导致更低的准确度。精确度是：相对于平均值，多个分析物读数之间的接近程度。分析中的一个或多个误差导致生物传感系统确定的分析物浓度的偏差和/或不精确度。因此，生物传感系统的分析误差的降低会使准确度和/或精确度提高并从而改善测量性能。
偏差可以用“绝对偏差”或“百分比偏差”来表达。绝对偏差是确定的浓度与参考浓度之间的差，且可以用mg/dL等测量单位来表达，而百分比偏差可以表达为绝对偏差值除以参考浓度这样的百分比，或表达为绝对偏差除以样品的截止浓度值(cut-offconcentration value)或者样品的参考浓度这样的百分比。例如，如果截止浓度值是100mg/dL，那么对于小于100mg/dL的葡萄糖浓度而言，百分比偏差定义为：(绝对偏差除以100mg/dL)*100；对于100mg/dL以及更高的葡萄糖浓度而言，百分比偏差定义为：绝对偏差除以分析物浓度的采纳参考值*100。
优选用标准仪器来获得血液样品中的分析物葡萄糖的采纳参考值，例如，可从俄亥俄州的耶洛斯普林斯的黄泉仪器公司(YSI Inc.,Yellow Springs,Ohio)购得的YSI2300STAT PLUSTM。用来确定百分比偏差的其它标准仪器和方法可以用于其它的分析物。对于％-A1c测量，误差可以表达为针对治疗范围为4-12％的％-A1c参考值的绝对偏差或百分比偏差。可以用标准仪器来获得血液样品中的％-A1c的采纳参考值，例如，可从日本东曹公司(Tosoh Corp,Japan)购得的Tosoh G7仪器。
生物传感系统可以在生物流体的分析期间提供含有来自多个误差源的误差的输出信号。这些误差源造成了总误差，总误差可以被反映在异常输出信号中，例如当一个或多个部分或全部的输出信号不响应于或不适当地响应于样品的分析物浓度时。
输出信号的总误差可能源于一种或多种误差因子，例如，样品的物理特性、样品的环境状况、系统的运行条件和测试传感器批次之间的制造差异等等。样品的物理特性包括红细胞(红色血液细胞)浓度和干扰物(例如，脂质和蛋白质等)等等。对于葡萄糖分析而言，干扰物也可以包括抗坏血酸、尿酸和对乙酰氨基酚等。样品的环境状况包括温度和空气的氧含量等等。系统的运行条件包括当样品尺寸不够大时的底部填充条件、测试传感器的样品缓慢填充、样品与测试传感器的一个或多个电极之间的间歇性电接触以及测试传感器被制造后与分析物反应的试剂的退化等等。测试传感器批次之间的制造差异包括试剂的量和/或活性的变化、电极面积和/或间距的变化以及导体和电极的电导率的变化等等。测试传感器批次优选在单个制造生产期内制成，在单个生产期内批次间的制造变化大幅减小或被消除。也可能存在造成分析误差的其它误差因子及其组合。
百分比偏差、平均百分比偏差、百分比偏差标准差(SD)、百分比方差系数(％-CV)和红细胞敏感度是用来表达生物传感系统的测量性能的独立方式。可以使用额外的方法来表达生物传感系统的测量性能。
百分比偏差是关于参考分析物浓度的生物传感系统的准确度的表示，而百分比偏差标准差反映的是关于由样品的物理特性、样品的环境状况、系统的运行条件和测试传感器之间的制造变化引起的误差的多次分析的准确度。因此，百分比偏差标准差的减小表示在多次分析中生物传感系统的测量性能的提升。百分比方差系数可以表达为100％*(一组样品的SD)/(从同组样品取得的多次读数的平均值)，并且反映了多次分析的精确度。因此，百分比偏差标准差的减小表示在多次分析中生物传感系统的测量性能的提升。
可以对由使用单个批次的测试传感器进行的多次分析确定的百分比偏差求取平均以提供多次分析的“平均百分比偏差”。可以通过使用所述批次的子集(例如，80-140个测试传感器)来分析多个血液样品，以此确定单个批次测试传感器的平均百分比偏差。
相对误差是误差的一般表达，可以表达为ΔA/Aref(相对误差)＝(Acalculated－Aref)/Aref＝Acalculated/Aref－1，其中，ΔA是分析确定的分析 物浓度相对于参考分析物浓度而存在的误差；Acalculated是使用测量装置在分析期间从样品确定的分析物浓度；且Aref是样品的参考分析物浓度。
通过减小来自这些或其它来源的误差来提升生物传感系统的测量性能意味着：由生物传感系统确定的更多的分析物浓度可以被例如对血糖进行监控的患者用于精确治疗。此外，也可以减少患者丢弃测试传感器和重复分析的必要。
生物传感系统可以具有响应于分析物的氧化还原反应或基于光的反应的未补偿输出信号的单一来源，例如电化学系统的对电极和工作电极等。生物传感系统也可以具有响应于或不响应于样品分析物浓度的未补偿输出的一个以上的来源。例如，在Alc生物传感器中，可以存在响应于样品的分析物浓度的一个或多个输出信号，但是也可以存在响应于总血红蛋白(THb)而不响应于样品的分析物浓度的一个或多个输出信号(但是它们影响一个/多个分析物响应信号)。
许多生物传感系统包括用来补偿与分析相关联的误差的一种或多种方法，从而试图提升生物传感系统的测量性能。通过提供具有补偿不精确分析的能力的生物传感系统从而提高从系统获得的浓度值的准确度和/或精确度，所述补偿方法可以提升生物传感系统的测量性能。然而，这些方法一直难以补偿以下误差引起的分析误差：由生物传感系统自身引入的误差(系统误差)和源于分析的误差(输出信号误差)。本发明避免或减轻了无法对系统误差和输出信号误差两者进行补偿的分析物浓度确定系统的至少一些缺点。
发明内容
在一个方面，本发明提供一种用于确定样品中的分析物浓度的方法，所述方法包括：从样品中产生至少两个输出信号；测量来自所述样品的至少两个分析物响应输出信号；从所述至少两个分析物响应输出信号确定至少两个初始分析物浓度；从所述至少两个分析物响应输出信号确定第一伪参考浓度，其中，所述第一伪参考浓度是真实相对误差的第一替代；响应于所述第一伪参考浓度确定至少一个第一锚定参数，其中，所述至少一个第一锚定参数补偿系统误差；将所述至少一个第一锚定参数并入至少两个第一补偿关系；响应于所述至少两个初始分析物浓度、至 少两个所述第一锚定参数和所述至少两个第一补偿关系确定至少两个第一锚定补偿的分析物浓度；通过求取所述至少两个第一锚定补偿的分析物浓度的平均值确定第二伪参考浓度，其中，所述第二伪参考浓度是真实相对误差的第二替代；并且将所述第二伪参考浓度报告为所述样品的经补偿的最终分析物浓度。
在本发明的另一个方面，提出了一种分析物测量装置，其包括与传感器接口连接的电路，其中，所述电路包括与信号发生器和存储媒介连接的处理器；其中，所述处理器能够从所述样品测量至少两个分析物响应输出信号；其中，所述处理器能够从所述至少两个分析物响应输出信号确定至少两个初始分析物浓度；其中，所述处理器能够从所述至少两个分析物响应输出信号确定第一伪参考浓度，其中，所述第一伪参考浓度是真实相对误差的第一替代；其中，所述处理器能够响应于所述第一伪参考浓度确定至少一个第一锚定参数，其中，所述至少一个第一锚定参数补偿系统误差；其中，所述处理器能够将所述至少一个第一锚定参数并入至少两个第一补偿关系；其中，所述处理器能够响应于所述至少两个初始分析物浓度、至少两个所述第一锚定参数和所述至少两个第一补偿关系确定至少两个第一锚定补偿的分析物浓度；其中，所述处理器能够通过求取所述至少两个第一锚定补偿的分析物浓度的平均值来确定第二伪参考浓度，其中，所述第二伪参考浓度是真实相对误差的第二替代；并且其中，所述处理器能够将所述第二伪参考浓度报告为所述样品的经补偿的最终分析物浓度。
在本发明的另一个方面，提出了一种用于确定样品中的分析物浓度的生物传感系统，所述系统包括：测试传感器，所述测试传感器具有与由基底形成的容器相邻的样品接口，其中，所述测试传感器能够从样品中产生至少两个输出信号；和测量装置，所述测量装置具有与传感器接口连接的处理器，所述传感器接口与所述样品接口电通信，且所述处理器与存储媒介电通信；其中，所述处理器能够从样品中测量至少两个分析物响应输出信号；其中，所述处理器能够从所述至少两个分析物响应输出信号确定至少两个初始分析物浓度；其中，所述处理器能够从所述至少两个分析物响应输出信号确定第一伪参考浓度，其中，所述第一伪 参考浓度是真实相对误差的第一替代；其中，所述处理器能够响应于所述第一伪参考浓度来确定至少一个第一锚定参数，其中，所述至少一个第一锚定参数补偿系统误差；其中，所述处理器能够将所述至少一个第一锚定参数并入至少两个第一补偿关系；其中，所述处理器能够响应于所述至少两个初始分析物浓度、至少两个所述第一锚定参数和所述至少两个第一补偿关系来确定至少两个第一锚定补偿的分析物浓度；其中，所述处理器能够通过求取所述至少两个第一锚定补偿的分析物浓度的平均值来确定第二伪参考浓度，其中，所述第二伪参考浓度是真实相对误差的第二替代；并且其中，所述处理器能够将所述第二伪参考浓度报告为所述样品的经补偿的最终分析物浓度。
附图说明
参照下面的附图和说明，能够更好地理解本发明。附图中的各部分不一定按照比例绘制，而是将重点放在图示本发明的原理。
图lA是该逐次逼近法的图形表示，其中，样品的参考或“真实”分析物浓度(ARef)在最左边且来自测量装置的初始确定分析物浓度(AInit)在最右边。
图1B表示在生物传感系统的测量装置中实施的分析方法。
图1C描绘了从A1c分析生物传感系统的四个输出通道记录的输出信号。
图1D表示通过标准化步骤来确定校准信息的工厂校准方法。
图1D-1示出了分别为血液样品中四种不同的THb浓度从测量装置的区域1检测器记录的各自的Alc反射率信号。
图1D-2表示被表达为标准化校准曲线的确定的标准化参考相关性172。
图1E表示还考虑到具有校准信息的第二外来刺激的可选的工厂校准方法。
图1E-1提供了葡萄糖分析系统中的第二标准化关系的确定的示例。
图1E-2提供了确定葡萄糖分析系统中的第二标准化分析物响应输出 信号的示例。
图1E-3提供了确定葡萄糖分析系统中的第二标准化参考相关性的示例。
图1F表示确定锚定参数的基于信号的方法。
图1G表示确定锚定参数的基于浓度的方法。
图1H表示用来确定补偿关系的、通过锚定参数与SSP参数的多变量回归的组合。
图2A和图2B表示针对含有5％或9％的Alc分析物的一组血液参考样品的伪参考浓度的逐次逼近的两个示例。
图2C和图2D示出了关于使用生物传感系统的测量装置和第2批次的测试传感器获得的分析数据的对于区域1的Ch1和Ch3检测器(主要输出信号)的第0级和第4级逐次逼近的回归。
图2E和图2F示出了分别对于5％和9％的Alc浓度的Ch1数据的第0级和第4级逐次逼近的回归。
图2G和图2H示出了对于两个独立通道的多次分析的伪参考浓度的逐次逼近的R2相关性值。
图3描绘了用于确定生物流体样品中的分析物浓度的生物传感系统300的示意性表示。
具体实施方式
在分析物分析期间，用来进行分析的生物传感系统和由生物传感器的测量装置测量的输出信号的误差都可能将误差引入分析中。生物传感系统的误差可能从多个来源发生，包括处于与存储于生物传感系统的测量装置中的参考相关性的误差源。因此，实验室确定的校准信息包含误差，该校准信息用来将测量装置在测试样品的分析期间测量的输出信号转换成样品的确定分析物浓度。
虽然人们会期望由测量装置的校准信息引入的系统误差对每次分析都是相同的并且因而在使用测量装置前直接去除该系统误差，但是这对所有类型的系统误差而言是不正确的。校准信息的一些误差仅在特定分析的条件下发生，因此在没有会导致另一特定分析的系统误差的变化的情况下无法从校准信息中去除。因此，当系统误差由校准信息引起时，难以在不对不同的特定分析的系统误差造成潜在不利影响的情况下减小一种特定分析条件下的系统误差。输出信号误差由一种或多种误差因子引起，例如，样品的物理特性、样品的环境状况、系统的运行条件和测试传感器批次之间的制造差异等等。当校准信息将信号转换至浓度时，这些输出信号误差可能被放大或变得复杂。
对于参考样品，可以通过相对误差的确定来确定系统误差，而相对误差是通过测量装置确定的分析物浓度减去参考样品分析物浓度且再除以参考样品分析物浓度((Acaic-Aref)/Aref)来确定的。可以使用标准仪器通过对已知的样品分析物浓度进行混合或变更等来确定参考样品的参考样品分析物浓度。
然而，在生物传感系统的测量装置对测试样品的分析期间，参考样品分析物浓度是未知的。反而，生物传感系统根据测量装置的设计和实施来进行分析以确定样品的分析物浓度。因此，当样品的真实分析物浓度未知的时候，在分析期间无法由测量装置确定“真实相对误差”。
测量装置在分析期间确定的伪参考浓度可以用作真实相对误差的替代。从分析确定的伪参考浓度中，可以确定锚定参数并将其用来补偿存在于分析确定的伪参考浓度中的系统误差。然而，分析确定的伪参考分析物浓度越接近于测试样品的参考分析物浓度，测量装置在补偿期间利用锚定参数确定的分析物浓度就越准确和/或精确。本发明通过逐次逼近法来提高分析确定的伪参考浓度的准确度和/或精确度。
当通过利用凭借逐次逼近的伪参考浓度而确定的锚定参数确定样品的最终分析物浓度时，通过将系统误差和输出信号误差都考虑在内，上述的方法、装置和系统可以提高测量性能。当利用基于信号的锚定参数时，系统误差和信号误差都可以在用来确定样品的最终分析物浓度的补偿中被“关联”。优选地，用来确定样品的最终分析物浓度的补偿既考虑了系统误差又考虑了输出信号误差。
血液样品中的％-Alc的测量，进而血液样品的总血红蛋白(THb)含量中的糖化血红蛋白浓度(％-Alc)可以通过利用层流分析的免疫分析法来实现。通常，在层流分析中，测量两个独立信号，即针对Alc的主要输出信号和针对THb的次要输出信号。在这种类型的Alc系统中，区域1检测器提供主要输出信号而区域2检测器提供次要输出信号。区域1检测器的主要输出信号依赖于样品的Alc浓度，但是也依赖于样品的THb浓度。区域2检测器的次要输出信号依赖于样品的THb浓度品，但是基本上与样品的Alc浓度无关。测量装置在分析期间测量的次要输出信号响应于外来刺激(extraneous stimulus)。在％-Alc分析生物传感系统中，分析物是Alc且外来刺激是温度和THb。
虽然单个样品施加于测试传感器，但是所述的％-A1c分析系统具有两个通道，它们进行样品的两个独立分析。因此，对于第一分析，区域1通道1(Ch1)检测器和区域2通道2(Ch2)检测器分别提供主、次要输出信号。对于第二分析，区域1通道3(Ch3)检测器和区域2通道4(Ch4)检测器分别提供主、次要输出信号。因为利用相同的通用方法分析了样品两次，所以可以求取第一分析确定的浓度与第二分析确定的浓度的平均。此外，可以以补偿用信号电平对不同的Ch1/Ch2和Ch3/Ch4进行平均或其它的处理。
对于具有来自区域1Ch1和Ch3检测器的两个主要输出信号通道的％-A1c分析测量装置，实验室确定的Ch1相对误差可以表达为Ch1相对误差＝(AInit-ARef)/ARef或dA1/ARef，其中，AInit是生物传感系统的测量装置确定的参考样品的％-A1c浓度，ARef是参考样品的已知的分析物浓度。可以以类似的方式确定测量装置的Ch3相对误差，且Ch3相对误差可以表达为dA3/ARef。
因为使用生物传感系统的测量装置在测试样品分析期间不能确定这样的相对误差，所以确定伪参考浓度作为相对误差的替代。利用逐次逼近法来使确定的伪参考浓度更加接近于测试样品的实际分析物浓度。
图lA是逐次逼近法的图形表示，其中，样品的参考或“真实”分析物浓度(ARef)在最左边而从测量装置初始确定的分析物浓度(AInit)在最右边。测量装置确定的伪参考浓度开始更接近于AInit而不是ARef，但是本发明的逐次逼近法使其移动为更接近于ARef。在针对通道Ch1和Ch3 确定了利用第一伪参考浓度的初始和锚定参数补偿的分析物浓度后，确定Ch1与Ch3浓度的平均并将其用作第二伪参考浓度。从该第二伪参考浓度确定第二锚定参数，通过利用从第二伪参考浓度确定的第二锚定参数对初始浓度进行补偿来确定第三伪参考浓度。第三伪参考浓度然后可以被用来确定第三锚定参数以及确定的第四伪参考浓度。确定额外的伪参考浓度及相应的锚定参数以继续伪参考浓度的逐次逼近。
在确定一定数量的伪参考浓度后，到达收益递减点。根据从各个确定的锚定参数获得的补偿改善，可以停止逐次逼近且可以将选择的伪参考浓度报告为样品的经补偿的最终分析物浓度。各个逐级确定的锚定参数优选具有与伪参考浓度的系统误差的更好相关性。因此，当从伪参考浓度中确定的锚定参数鉴于生物传感系统的测量性能要求而不再能够去除足够的系统误差时，可以停止逐次逼近。可以将第二、第三或后续确定的伪参考浓度报告为样品的最终补偿分析物浓度。
图1B表示将会在生物传感系统的测量装置中实施的分析方法400。方法400的补偿利用通过伪参考浓度的逐次逼近而确定的锚定参数来补偿样品的经补偿的最终分析物浓度的系统误差。方法400可以用于如下的任何生物传感系统：其中，可以确定同一测试样品的至少两个分析物浓度。至少一个锚定参数可以用于如下的误差补偿方法：其中，转换关系使由主要误差因子引起的误差的减小内在化，其中，通过区别于所述转换关系的主要补偿来减小源于主要误差因子的误差，其中，残差补偿与所述转换关系一起使用，或其中，残差补偿与所述主要补偿和所述转换关系一起使用。对于％-A1c分析而言，主要误差因子是温度和总血红蛋白，而在葡萄糖分析中，主要误差因子是温度和红细胞。主要误差因子可以因不同类型的分析物分析而不同。
在分析输出信号测量410中，使用生物传感系统的测量装置从测试样品中测量至少两个分析物响应输出信号412、414。至少两个分析物响应输出信号412、414优选是独立的分析物响应输出信号，诸如从样品的不同部分产生的输出信号、来自多区域检测器的独立输出信号等。在％-A1c生物传感系统中，至少两个分析物响应输出信号412、414是独立的，因为它们是通过不同的检测通道从测试样品的不同部分测量的。 响应于分析物的光可识别物或氧化/还原(氧化还原)反应，从生物流体的样品中产生至少两个分析物响应输出信号。根据生物传感系统，这些主要输出信号可能含有或可能不含有外来刺激的影响。
图1C描绘了从A1c分析生物传感系统的四个输出通道中记录的输出信号。来自两个区域1检测器(Ch1和Ch3检测器)的独立信号依赖于样品的Alc浓度，但是也依赖于样品的THb含量。来自于两个区域2检测器(Ch2和Ch4检测器)的独立信号与样品的Alc浓度无关，但是依赖于样品的THb浓度。该图示出了Chl和Ch2的输出。在这种类型的Alc系统中，区域1检测器提供主要输出信号而区域2检测器提供次要输出信号。分析物(例如，Alc)响应主要输出信号和外来刺激(例如，THb)响应次要输出信号可以用于分析分析物响应输出信号测量410。
在分析初始分析物浓度确定415中，确定测试样品的至少两个初始分析物浓度。至少两个分析物响应输出信号412、414(主要输出信号)用来确定各个信号的初始分析物浓度。针对至少两个分析物响应输出信号412、414中的各者，可以利用相同或不同的方法来确定初始分析物浓度。测量装置使用的用来确定至少两个初始分析物浓度的校准信息可能降低或可能不降低一个或多个外来刺激对主要输出信号的影响，诸如通过使用标准化校准信息等。因此，可以使用含有不降低外来刺激影响的常规参考相关性(conventionalreference correlation)和如测量装置测量的输出信号的校准信息、含有降低外来刺激影响的标准化参考相关性(normalized reference correlation)和标准化输出信号的校准信息或降低外来刺激影响的与主要补偿组合的任一类型的校准信息来确定初始分析物浓度。参照图1D和图1E进一步说明含有标准化关系和标准化参考相关性的校准信息。
内在化于转换关系中的主要补偿本质上可以是代数，因此可以利用线性或非线性代数方程来表达样品的确定分析物浓度与未补偿的输出信号和误差参数之间的关系。例如，在％-Alc生物传感系统中，温度(T)和总血红蛋白(THb)是主要误差因子。类似于血糖分析中的红细胞误差，血液样品的不同总血红蛋白含量能够导致不同的Alc信号，从而错误地导致针对相同的标的Alc浓度而确定出不同的Alc浓度。因此，用 来补偿这些误差的代数方程可以是Alc＝a1*SA1c+a2/SA1c+a3*THb+a4*THb2，其中，A1c是未补偿输出值和对于总血红蛋白的主要补偿的转换之后的分析物浓度，SA1c是代表Alc的温度补偿输出值(例如，反射率或吸收率)，THb是由THb＝d0+d1/STHb+d2/STHb 2+d3/STHb 3计算出的总血红蛋白值，其中，STHb是从测试传感器获得的温度校正的THb反射率信号。可以利用这样的代数关系来校正SA1c和STHb受到的温度影响：SA1c＝SAlc(T)+[b0+b1*(T－Tref)+b2*(T－Tref)2]和STHb＝[STHb(T)c0+c1*(T－Tref)]/[c2*(T－Tref)2]。通过代数代入，可以使用未补偿输出值和针对主要误差因子(温度和总血红蛋白)的被整合成单个代数方程的主要补偿的转换来计算出主要补偿的分析物浓度A。也可以在2011年3月22日提交的题目为“含有底部填充误差的残差补偿(Residual Compensation Including Underfill Error)”的公开号为2011/0231105的美国专利公开或2012年9月20日提交的题目为“含有分段信号的分析补偿(AnalysisCompensation Including Segmented Signals)”的公开号为2013/0071869的美国专利公开中获得关于主要补偿的更多详细内容。
在分析第一伪参考浓度确定430中，确定第一伪参考浓度435。通过确定这样的样品分析物浓度来确定第一伪参考浓度435：对于多次分析而言，其平均来讲比从至少两个分析物响应输出信号412、414中任一者确定的浓度更加接近于样品的实际分析物浓度。因此，伪参考是这样的样品分析物浓度的近似：与从测量装置的单个主要输出信号确定的浓度相比，其在平均来讲更接近于参考浓度。
可以通过求取两个或以上初始分析物浓度的平均值来确定第一伪参考浓度435。第一伪参考浓度435也可以通过如下方式确定：求取至少两个独立分析物响应输出信号412、414的平均信号然后从平均信号中确定第一伪参考浓度435。在这种情况下，第一伪参考浓度的确定不需要实际确定至少两个初始分析物样品浓度，因为主要输出信号可以被平均且用来确定伪参考浓度435而不是确定的浓度。第一伪参考浓度435以及任何关联关系的确定方法优选在实验室中预先确定并存储在测试样品的分析期间使用的生物传感系统的测量装置的存储媒介中。
在分析第一锚定参数值确定440中，利用第一伪参考浓度435和至少两个分析物响应输出信号412、414或从至少两个主要输出信号中确定的初始分析物浓度来确定至少两个通道的锚定参数。利用第一伪参考浓度435和至少两个分析物响应输出信号412、414来确定至少两个通道的基于信号的锚定参数。利用第一伪参考浓度435和从至少两个分析物响应输出信号412、414确定的初始分析物浓度来确定至少两个通道的基于浓度的锚定参数。
当利用至少两个分析物响应输出信号412、414来确定第一伪参考浓度435时，测量装置优选包括含有标准化关系和标准化参考相关性的校准信息，将参照图1D和图1E进一步说明该校准信息。在这种情况下，用来确定输出信号412的基于信号的锚定参数442的通用关系可以表示为：第一通道的基于信号的锚定参数＝(NROsv1－NRPseudo)/NRPseudo(dNRCh1/NRPseudo)，其中，NROsv1是从第一分析物响应输出信号和标准化关系确定的第一标准化输出信号值，且NRPseudo是利用标准化参考相关性从第一伪参考浓度435确定的伪参考信号。同样，用来确定输出信号414的基于信号的锚定参数444的通用关系可以表示为：第二通道的基于信号的锚定参数＝(NROsv2－NRPseudo)/NRPseudo(dNRCh3/NRPseudo)，其中，NROsv2是由第二分析物响应输出信号和标准化关系确定的第二标准化输出信号值，且NRPseudo是利用标准化参考相关性由第一伪参考浓度435确定的伪参考信号。参照图1F进一步说明锚定参数的基于信号的确定方法。
当利用由至少两个分析物响应输出信号412、414确定的初始分析物浓度来确定第一伪参考浓度435时，测量装置可以如参照图1D和图1E进一步讨论地那样包含如下的校准信息：所述校准信息含有常规参考相关性或标准化关系和标准化参考相关性。在这种情况下，用来确定输出信号412的基于浓度的锚定参数444的通用关系可以表示为：第一通道的基于浓度的锚定参数＝(由第一输出信号412确定的初始分析物浓度－第一伪参考浓度435)/第一伪参考浓度435。类似地，用来确定输出信号414的基于浓度的锚定参数446的通用关系可以表示为：第二通道的基于浓度的锚定参数＝(由第二输出信号414确定的初始分析物浓度 －第一伪参考浓度435)/第一伪参考浓度435。将参照图1G进一步说明确定锚定参数的基于浓度的方法。优选地，确定的第一伪参考浓度比任一初始确定的分析物浓度都更加接近于样品的实际分析物浓度。
在分析第一补偿确定450中，将两个以上的确定的锚定参数(因此，锚定参数442和444或锚定参数444和446)并入至少两个通道的至少两个第一补偿关系452、453以确定至少两个通道的独立补偿。通过利用至少两个第一锚定参数来针对系统误差提供至少两个初始分析物浓度的补偿，至少两个第一补偿关系452、453确定至少两个第一锚定补偿的分析物浓度。
可以利用残余误差(residual error)补偿法来补偿系统误差。残余误差通常可以表达为：残余误差＝观测的总误差－主要函数校正的误差。在测量的输出值的总误差中，主要补偿去除至少40％，优选至少50％的误差。因此，在针对各通道的补偿的分析物浓度中，主要补偿去除总误差的40％至75％，更加优选地去除总误差的50％至85％。虽然可以单独使用由锚定参数提供的误差补偿，但是优选地，与SSP和其它误差参数组合地使用锚定参数。
可以使用多变量回归或利用线性或多项式回归的更简单的回归方法来确定至少两个通道的补偿关系452、453。优选地，在分析第一补偿确定450中，利用多变量回归来确定至少两个通道的补偿关系452、453。对于多变量或更简单的回归方法，补偿关系452、453可以表达为锚定参数单独的关系或锚定参数和其它误差参数的关系。在任一情况下，至少两个第一补偿关系452、453通过使用至少一个第一锚定参数来提供至少两个初始分析物浓度的补偿。补偿关系452、453可以分别通过通用关系Ach1_comp＝Ach1initial/(1+RECh1)和Ach3_comp＝Ach3initial/(1+RECh3)来表达，其中，如将在下文中所述，Ch1是通道1，Ach1_comp是对Ch1确定的锚定参数补偿的分析物浓度，Ach1initial是对Ch1确定的初始分析物浓度，RECh1是如对Ch1确定的补偿关系452，且其中，Ch3是通道3，Ach3_comp是对Ch3确定的锚定参数补偿的分析物浓度，Ach3initial是对Ch3确定的初始分析物浓度，RECh3是如对Ch3确定的补偿关系453。
当由多变量回归或类似的数学方法确定补偿关系452、453时，补偿关系452、453可以补偿由锚定参数描述的除了系统误差以外的误差且可以将主要补偿与残差补偿合并。在这些方法中，代表系统误差的锚定参数可以与例如比值参数以及分段信号处理(SSP)参数和含有交叉项的其它参数组合来确定补偿关系452、453。因此，如前所述，Ch1的补偿关系452可以表示为：RECh1＝f(dNRCh1/NRPseudo，SSP参数和其它参数)且Ch3的补偿关系453可以表示为RECh3＝f(dNRCh3/NRPseudo，SSP参数和其它参数)。将参照图1H进一步说明利用多变量回归的补偿关系452、453的确定。
类似地，可以利用更简单的回归方法(例如，线性回归等)来确定补偿关系452、453。因此，Ch1的补偿关系452可以表示为RECh1＝m1*(dNRCh1/NRPseudo)+b1。同样，Ch3的补偿关系453可以表示为RECh3＝m3*(dNRCh3/NRPseudo)+b3。在这些关系中，m1、b1和m3、b3分别是Ch1和Ch3的线性回归常数。
在分析第二伪参考浓度确定454中，通过求取由测量装置的至少两个通道分别确定的锚定参数补偿的分析物浓度的平均值，来确定第二伪参考浓度455。利用由测试样品测量的至少两个分析物响应输出信号412、414的初始分析物浓度，使用补偿关系452、453确定针对至少两个通道确定的锚定参数补偿的分析物浓度。
可以用来确定样品的单个通道浓度的通用表达可以表达为：Ch1浓度＝(Ch1Ainit)/(1+RECh1)，其中，Ch1是通道1，Ch1Ainit是通道1测量的输出信号的未经锚定参数补偿而确定的初始分析物浓度，RECh1是含有Ch1锚定参数的补偿关系452。Ch3的补偿关系453同样可以表示为：Ch3浓度＝(Ch3Ainit)/(1+RECh3)，其中，Ch3是通道3，Ch3Ainit是通道3测量的输出信号的且未经锚定参数补偿而确定的初始分析物浓度，RECh3是含有Ch3锚定参数的补偿关系453。然后求取测量装置的至少两个通道确定的分析物浓度的平均值以提供第二伪参考浓度455。
在分析第二锚定参数值确定460中，利用第二伪参考浓度455确定至少两个通道的第二锚定参数。除了将第一伪参考浓度435替换为第二伪参考浓度455以外，可以如前面在第一锚定参数值确定440中所述的 那样进行确定460。优选地，在如图1A所示的伪参考浓度的各级逐次逼近后，分析物浓度(dA/A1c_Ref)的真实相对误差(未知)与第二锚定参数(dNR/NRPseudo2)之间的相关性得以提高。
在分析第二补偿确定470中，将460中确定的两个或以上锚定参数合并入至少两个通道472、473的补偿关系以确定至少两个通道的独立补偿。除了利用第二伪参考浓度455和第二锚定参数来确定至少两个通道的第二补偿关系472、473以外，分析第二补偿确定470类似于分析第一补偿确定450。可以使用多变量回归或利用线性或多项式回归的更简单的回归方法来确定至少两个通道的补偿关系472、473。优选地，在分析第二补偿确定470中，使用更简单的回归方法来确定至少两个通道的补偿关系472、473。
在分析第三伪参考浓度确定480中，通过求取由测量装置的至少两个通道确定的第二锚定参数补偿的分析物浓度的平均值，来确定第三伪参考浓度485。使用至少两个分析物响应输出信号412、414确定至少两个通道确定的分析物浓度，至少两个分析物响应输出信号412、414是分别利用补偿关系472、473从测试样品测量的。
可以用来确定样品的单个通道浓度的通用表达可以表达为：Ch1浓度＝(Ch1Ainit)/(1+RE2Ch1)，其中，Ch1是通道1，Ch1Ainit是通道1测量的输出信号的未经锚定参数补偿而确定的初始分析物浓度，且其中，RE2Ch1是含有Ch1第二锚定参数的补偿关系462。Ch3的补偿关系473同样可以表示为：Ch3浓度＝(Ch3Ainit)/(1+RE2Ch3)，其中，Ch3是通道3，Ch3Ainit是通道3测量的输出信号的未经锚定参数补偿而确定的初始分析物浓度，RE2Ch3是含有Ch3第二锚定参数的补偿关系473。然后求取针对测量装置的至少两个通道确定的分析物浓度的平均值以提供第三伪参考浓度485。
若需要，可以利用第三伪参考浓度485来确定至少两个通道的第三锚定参数。如前所述，也可以确定第三补偿关系且可以类似地确定第四伪参考浓度。可以重复这个步骤直至在伪参考浓度中已经补偿了期望数量的系统误差。
在490中，第二、第三、第四或额外的伪参考浓度可以被报告为样品的经补偿的最终分析物浓度且可以被显示，被存储以用于将来的参考且/或用于额外的计算。优选地，在如图1A所表示的伪参考浓度的各级逐次逼近之后，分析物浓度确定的真实相对误差(未知)与各个逐级锚定参数之间的相关性得以改善。然而，在确定两个或以上伪参考浓度后，可能到达收益递减点。
根据由各个确定的锚定参数获得的补偿改善，可以停止逐次逼近，且在逼近中的那个点选择的伪参考浓度可以被报告为样品的经补偿的最终分析物浓度。各个逐级地确定的锚定参数优选具有与伪参考浓度中的系统误差的更好相关性。因此，当由伪参考浓度确定的锚定参数鉴于生物传感系统的测量性能要求而无法再去除足够的系统误差时，可以停止逐次逼近，且在逼近中的那个点的伪参考浓度可以被报告为样品的经补偿的最终分析物浓度。
图1D表示通过标准化步骤确定校准信息的工厂校准方法100。优选在生物传感系统的测量装置的工厂校准期间执行工厂校准方法100。
在分析物响应输出信号测量110中，从参考样品测量分析物响应输出信号，其中，分析物响应输出信号受到由物理特性、环境状况和/或被并入分析物响应输出信号的制造变化误差引起的外来刺激的影响。测量至少两个分析物响应输出信号。优选地，从参考样品中测量至少四个，更加优选至少6个分析物响应输出信号。可以利用光学和/或电化学方法来分析参考样品。
在外来刺激量化130中，从参考样品或参考样品的样品环境测量一个或多个外来刺激响应输出信号，并且将外来刺激量化以提供至少两个量化的外来刺激值132。可以与分析物响应输出信号同时地或不同时地测量外来刺激响应输出信号。优选地，与分析物响应输出信号同时地测量外来刺激响应输出信号。
诸如当光学检测器或电极输出特定电压和/或安培数时，可以直接量化外来刺激。诸如当热敏电阻提供被报告为例如摄氏度温度的特定电压和/或安培数时，可以间接量化外来刺激。诸如当由从例如Hct电极测量 的特定电压和/或安培数确定样品的Hct浓度时，也可以间接量化外来刺激信号。诸如当将直接或间接量化的外来刺激值转换成浓度时，可以直接或间接量化外来刺激然后对其修改以提供量化的外来刺激值132。可以通过求取多个值(诸如在同一目标温度下记录的多个温度读数等)的平均值来确定量化的外来刺激值132。可以通过其它方法来量化外来刺激。
在标准化关系确定140中，利用回归方法从处于单一选择的分析物浓度的分析物响应输出信号和量化的外来刺激值132来确定标准化关系142。图1D-1提供了这样的示例：如何在A1c分析系统中选择单一分析物浓度且如何利用单一分析物浓度来确定单一选择的分析物浓度处的合成外来刺激响应输出信号，该合成外来刺激响应输出信号响应于THb的量化外来刺激信号。
图1D-1示意了从测量装置的区域1检测器中记录的分别针对血液样品中四种不同的THb浓度的各自的Alc反射率信号。这允许被选择的单一样品分析物浓度，根据该单一样品分析物浓度，可以从主要输出信号确定合成外来刺激响应输出信号值。在本示例中，利用通用关系(RA1c＝Slope*％-A1c+Int，其中，RA1c是来自测量装置的输出信号、Slope和Int分别是在各THb样品浓度下的线性回归线的斜率和截距，且％-A1c是样品分析物浓度)来确定在4个THb样品浓度下的线性回归线。可以使用其它的回归方法。
图中示出了在85 THb mg/mL和230 THb mg/mL的情况下确定的回归方程，但是也可以确定在127和175mg/mL的THb的情况下的回归方程。在本示例中，选择9％-Alc的单一选择的样品分析物浓度来从主要输出信号确定合成外来刺激响应输出信号值。因此，在本示例中，9％的参考样品分析物浓度从85mg/mL的THb的回归线为85mg/mL的THb样品提供约0.36Alc合成外来刺激响应输出信号值并且从230mg/mL的THb的回归线为230mg/mL的THb样品提供约0.44Alc合成外来刺激响应输出信号值。
除了从选择的参考样品分析物浓度确定回归线并“反确定”主要输出信号值的方法以外，能够利用其它方法来确定合成外来刺激响应输出信号值。例如，对于所有的四个THb水平，可以从在一个参考样品％-A1c 浓度下测量的主要输出信号中选择合成外来刺激响应输出信号值。同时测量的单一THb反射率信号与Alc反射率信号配对从而形成四对Alc和THb数据且构成Alc反射率与THb反射率的图形，这也将带来标准化关系。
因此，在单一选择的样品分析物浓度下确定合成外来刺激响应输出信号。合成外来刺激响应输出信号可以被认为是从来自测量装置的既含有主要又含有外来刺激的组合输出信号中提取的外来刺激响应输出信号。同样，标准化关系142可以被认为是外来刺激的参考相关性。
可以利用线性或非线性(例如，多项式等)回归方法来确定标准化关系142。线性或非线性回归方法包括版本14或版本16统计包(宾夕法尼亚州州立学院的MINTAB有限公司)、微软Excel或提供回归方法的其它统计分析包中可用的方法。优选地，利用多项式回归来确定标准化关系142。例如，在微软Excel版本2010中，可以选择通过趋势线布局图形工具(Trendline Layout Chart Tool)可访问的线性趋势线选项(LinearTrendline Option)来进行线性回归，而可以选择多项式趋势线选项(PolynomialTrendline Option)来进行非线性多项式回归。可以利用其他它的回归方法来确定标准化关系142。标准化关系142优选作为校准信息的一部分而存储于测量装置中。
当利用线性回归时，标准化关系142将是Y＝mX+b形式，其中，m是回归线的斜率且b是回归线的截距。当利用非线性回归时，标准化关系142将是Y＝b2*X2+b1*X+b0等形式，其中，b2、b1和b0是多项式的系数。在线性方程和多项式回归方程中，Y是在单一选择的分析物浓度下计算出的响应于外来刺激的合成外来刺激响应输出信号，且X是量化的外来刺激信号/值。当将X的值(量化的外来刺激信号值)代入任一关系(线性或多项式方程)时，由标准化关系求出代表标准化值(NV)的输出值Y。
如果第二外来刺激对分析物响应输出信号有不利影响且将通过校准信息进行处理，那么针对第二外来刺激重复标准化关系确定140。
在标准化值确定150中，通过将量化的外来刺激值132输入至标准 化关系142中且求解出标准化值152，由标准化关系142确定标准化值152。
在标准化输出信号确定160中，分析物响应输出信号除以标准化值152以提供标准化分析物响应输出信号162。优选地，这降低了外来刺激对分析物响应输出信号的影响。
在标准化参考相关性确定170中，通过回归方法来确定标准化分析物响应输出信号162与参考样品分析物浓度之间的标准化参考相关性172。可以利用线性或非线性(例如，多项式等)的回归方法，例如，在 版本14或版本16统计包(宾夕法尼亚州州立学院的MINTAB有限公司)、微软Excel中或提供回归方法的其它统计分析包中可调用的方法等。优选地，利用多项式回归来确定标准化参考相关性172。例如，在微软Excel版本2010中，可以选择通过趋势线布局图形工具可访问的线性趋势线选项来进行线性分析，而可以选择多项式趋势线选项来进行非线性多项式分析。可以利用其它的回归方法来确定标准化参考相关性172。图1D-2示出了被表达为标准化校准曲线的确定的标准化参考相关性172。
当利用线性回归时，标准化参考相关性172将是Y＝mX+b形式，其中，m是回归线的斜率且b是截距。当利用非线性(例如，多项式等)回归时，标准化参考相关性172可以是Y＝b2*X2+b1*X+b0等形式，其中，b2、b1和b0是多项式的系数。标准化参考相关性172优选作为校准信息的一部分而存储于测量装置以供在后期的样品分析期间使用。在测量装置中，Y是分析期间确定的标准化分析物响应输出信号值，且X是由标准化参考相关性172确定的样品分析物浓度。如下面进一步所述，对于线性标准化参考相关性，当将Y值(标准化输出信号的值)输入方程时，可以求解出X值(样品分析物浓度)。对于2次多项式形式的标准化参考相关性，可以用标准化校准曲线的形式将标准化参考相关性172表达为X＝c2*Y2+c1*Y+c0，其中，c2、c1和c0是方程的系数。被输入至该关系的标准化输出信号将求出分析物浓度。
图1E表示也考虑到具有具有校准信息的第二外来刺激的可选的工厂校准方法102。因此，当确定生物传感系统的测量装置的校准信息时， 可以将图1D和图1E结合。如果考虑对分析物响应输出信号具有不利影响的第二外来刺激(例如，当第一外来刺激为温度时，样品的红细胞浓度等)，那么可以根据外来刺激量化130来确定至少两个量化的外来刺激值134。
然后，可以根据标准化关系确定140来确定第二标准化关系147，但是其中，在单一选择的样品分析物浓度下在标准化分析物响应输出信号162与第二量化外来刺激之间确定第二标准化关系147。第二标准化关系147优选作为校准信息的一部分而存储于测量装置。图1E-1提供了葡萄糖分析系统中的第二标准化关系147的确定示例。
在第二外来刺激的情况下，进行第二标准化值确定155。通过将第二量化外来刺激值134输入第二标准化关系147且求解出第二标准化值157，由第二标准化关系147确定第二标准化值157。
在第二外来刺激的情况下，进行第二标准化输出信号确定165。通过将标准化分析物响应输出信号162除以第二标准化值157来确定第二标准化分析物响应输出信号167。那么可以认为：如果通过标准化参考相关性172对标准化分析物响应输出信号162进行了转换，那么就使第二标准化分析物响应输出信号167更加响应于样品的参考样品分析物浓度(相比于将从测量装置获得的分析物浓度)。图1E-2提供了葡萄糖分析系统中的第二标准化分析物响应输出信号167的确定示例。
在第二外来刺激的情况下，进行第二标准化参考相关性确定175。如前所述，通过回归方法在第二标准化分析物响应输出信号167与参考样品分析物浓度之间确定第二标准化参考相关性177。图1E-3提供了葡萄糖分析系统中的确定第二标准化参考相关性177的示例。
第二标准化参考相关性177优选作为校准信息的一部分而存储于测量装置中。在这种情况下，标准化参考相关性172不需要被存储在测量装置中且优选地在分析期间内不被使用。类似地，校准信息可以考虑到三个或以上的外来刺激，其中，除了为由单独的标准化关系表示的组合外来刺激准备的单一标准化参考相关性以外，还由存储于测量装置中的单独的标准化关系表示各个外来刺激。
图1F表示确定锚定参数的基于信号的方法600。当针对期望的来自测量装置的输出信号或期望的标准化输出信号而开发工厂校准信息时，确定锚定参数。测量装置在分析期间也确定锚定参数以用于补偿。因为锚定参数是由输出信号确定的，所以测量装置含有标准化校准信息。优选地，标准化校准信息含有用来使由测量装置测量的输出信号标准化的至少一个标准化关系和用来由标准化输出信号值确定样品分析物浓度的至少一个标准化参考相关性。
在605中，如前面参照图B所述，利用标准化关系来确定至少一个标准化输出信号(NRact)。利用光学和/或电化学分析由样品产生一个或多个输出信号。通过利用标准化关系来转换输出信号，确定各个标准化输出信号(NRact)。因此，在实验室中且在分析期间进行此确定以如前所述地确定补偿关系452。
在610中，通过求取从同一样品中确定的至少两个初始分析物浓度的平均值，确定样品的伪参考浓度值635。可以由至少两个分析物响应输出信号412、414确定从同一样品中确定的至少两个初始分析物浓度。“求取从同一样品中确定的至少两个初始分析物浓度的平均值”也可以包括：首先求取至少两个分析物响应输出信号412、414的平均值，然后从平均输出信号中确定伪参考。可以使用其它输出信号来确定至少两个初始分析物浓度。可以用相同的方式针对至少两个分析物响应输出信号412、414中的各者确定至少两个初始分析物浓度，或者可以用不同的方式来确定针对至少两个分析物响应输出信号412、414中的各者确定的初始分析物浓度。
可以利用由测量装置测量的输出信号及常规参考相关性、标准化输出信号及标准化参考相关性或其它方法来确定伪参考浓度。可以利用或可以不利用补偿来确定被平均化以提供伪参考的初始分析物浓度。
在615中，通过以下方式来确定“相应的标准化输出信号”(NRref)：从有效的参考样品分析物浓度(水平X轴)中选择参考样品分析物浓度并且通过标准化参考相关性确定相应的标准化输出信号值(垂直Y轴)。这类似于与图1D有关的之前用来确定合成输出信号的“步骤”，然而使用标准化参考相关性来代替被用于将参考样品分析物浓度转换成标准化 输出信号值的回归线。虽然在图的上下文中说明了该步骤，但是实际上可以仅利用参考相关性和选择的参考样品分析物浓度。在实验室中针对期望的参考样品分析物浓度进行该步骤。
在620中，在参考样品分析物浓度下确定作为至少两个初始分析物浓度的基础的各输出信号或输出信号值的组的系统误差。可以通过从由测量装置确定的初始分析物浓度减去参考样品分析物浓度然后再除以参考样品分析物浓度，针对至少两个初始分析物浓度的各者确定系统误差。因为利用参考样品分析物浓度来确定系统误差，所以这是相对误差的手段。该程序能够提供在实验室中测试的各参考样品分析物浓度的系统误差。
然后优选使用由参考样品分析物浓度引起的系统误差值作为目标系统误差值以用于确定由多变量回归建立的补偿关系452。补偿关系452优选存储于测量装置的存储媒介中以用于样品分析。
在630中，为一个或多个主要分析物响应输出信号确定至少一个基于信号的锚定参数。通过从标准化输出信号(NRmeasured)减去伪参考信号(NRPseudo)然后除以NRPseudo来确定基于信号的锚定参数，因此，信号锚定参数＝(NRmeasured－NRPseudo)/NRPseudo。与“相应的标准化输出信号”类似地确定NRPseudo，除了这种情况：从有效的参考样品分析物浓度(水平X轴)选择伪参考浓度，且利用伪参考浓度通过标准化参考相关性确定相应的标准化输出信号值(垂直Y轴)。虽然在图的上下文中说明了该步骤，但是实际上可以仅利用参考相关性和选择的参考样品分析物浓度。如进一步所述，在实验室中执行该步骤以确定补偿关系452。因为在补偿关系452中使用了至少一个锚定参数，所以也在利用伪参考浓度值635的测量装置中执行该步骤。
图1G表示如前面在440中处理的确定锚定参数的基于浓度的方法700。测量装置在分析期间确定锚定参数。虽然测量装置可以含有标准化校准信息，但是不要求，这是因为基于浓度的锚定参数是由初始确定的样品分析物浓度确定的而不是由输出信号确定的。
在710中，如前面的方法600所述的那样，可以通过求取从同一样 品确定的至少两个初始分析物浓度的平均值来确定样品的伪参考浓度值735。利用光学和/或电化学分析由样品产生一个或多个输出信号。由来自样品的一个或多个输出信号确定至少两个初始分析物浓度。因此，可以由至少两个分析物响应输出信号412、414确定从同一样品确定的至少两个初始分析物浓度。“求取从同一样品确定的至少两个初始分析物浓度的平均值”也可以包括：首先求取至少两个分析物响应输出信号412、414的平均值，然后由平均输出信号确定伪参考。可以利用其它输出信号来确定至少两个初始分析物浓度。可以用相同的方式为至少两个分析物响应输出信号412、414的各者确定至少两个初始分析物浓度，或可以用不同的方式来确定针对至少两个分析物响应输出信号412、414的各者而确定的初始分析物浓度。
可以利用由测量装置测量的输出信号及常规参考相关性、标准化输出信号及标准化参考相关性或者其它方法来确定伪参考浓度。可以利用或可以不利用补偿来确定被平均以提供伪参考的初始分析物浓度。
然而，在710中，当未确定两个初始分析物浓度时也可以确定伪参考浓度值，且利用伪参考浓度值来确定样品分析物浓度值的更加精确的平均值。在本实施例中，可以利用标准化校准信息或主要补偿来确定伪参考浓度值735。
在720中，在参考样品分析物浓度下确定作为至少两个初始分析物浓度的基础的各输出信号或输出信号值的组的系统误差。通过从测量装置确定的初始分析物浓度减去参考样品分析物浓度然后除以参考样品分析物浓度，为至少两个初始分析物浓度的各者确定系统误差。因为利用参考样品分析物浓度来确定系统误差，所以这是相对误差的手段。该程序能够为实验室中测试的参考样品分析物浓度的各者提供系统误差。
然后优选地利用由参考样品分析物浓度引起的系统误差值作为目标系统误差值以用于确定由多变量回归建立的补偿关系452。补偿关系452优选地存储于测量装置的存储媒介中以用于样品分析。
在730中，通过从由测量装置确定的初始分析物浓度减去伪参考浓度然后再除以伪参考浓度，在测量装置中为至少两个初始分析物浓度的 各者确定基于浓度的锚定参数。这为由测量装置在分析期间确定的各个初始分析物浓度提供了锚定参数。然后将这些锚定参数中的一个或多个提供给之前确定的补偿关系452，用来提供样品的最终分析物浓度。
在这种情况下，用于确定第一锚定参数444的通用关系可以表示为：第一浓度锚定参数＝(由第一输出信号412确定的初始分析物浓度－伪参考浓度值435)/伪参考浓度值435。类似地，用于确定第二锚定参数446的通用关系可以表示为：第二浓度锚定参数＝(由第二输出信号确定的初始分析物浓度414－伪参考浓度值435)/伪参考浓度值435。
图1H表示用来确定系统误差与分析物浓度之间的补偿关系的、锚定参数和分段信号处理(SSP)参数的通过多变量回归的组合。补偿关系存储于生物传感系统的测量装置的存储媒介中。
在852中，选择多个SSP参数和一个或多个锚定参数作为补偿关系的补偿关系潜在包含的项。除了SSP参数和一个或多个锚定参数，还可以将其它误差参数包含在函数中，诸如交叉项、测量的输出信号和量化的外来刺激等函数中。与SSP参数一样，可以从响应于生物流体样品的光可识别物的或来自生物流体样品的分析物的氧化还原反应的主要输出信号获得其它误差参数。也可以从独立于主要输出信号的次要输出信号中(例如，从热电偶或Hct电极中)获得误差参数。锚定参数不同于这些类型的误差参数，因为锚定参数描述的是系统误差而不是信号误差。补偿关系的项可以含有SSP和锚定参数以外的值，所述值包括表示样品中的未补偿分析物浓度等的值。
优选地，由利用误差参数确定的索引函数(index function)提供主要补偿，所述误差参数是从分析物的分析中(例如，来自分析物响应输出信号的中间信号等)或从独立于分析物响应输出信号的来源中(例如，热电偶和额外电极等)确定的。误差参数可以响应于影响输出信号的一个或多个误差因子。因此，可以从分析的输出信号中直接或间接地提取出和/或从分析的输出信号中独立地获得误差参数。可以从这些或其它分析的或次要的输出信号中确定其它误差参数。可以利用任何误差参数来形成构成索引函数的一项或多项，例如，于2008年12月6日提交的题目为“基于斜率的补偿”的国际公开第WO 2009/108239号中所述。
索引函数响应于至少一个误差参数。索引函数可以产生计算数值，计算数值使总分析误差与误差参数(例如，红细胞或温度等)相关联且表示误差参数对偏差的影响。可以实验性地将索引函数确定为回归或其它方程，该回归或其它方程使确定的分析物浓度相对于参考斜率的偏差与误差参数相关联。因此，索引函数表示误差参数对由分析中的总误差引起的斜率偏差、标准化斜率偏差或百分比偏差的影响。
当含有通过项权重系数修改的项的组合时，索引函数是复杂的。复杂索引函数具有至少两项，每项都被项权重系数修改。组合优选是线性组合，但是也可以利用为项提供权重系数的其它组合方法。例如，复杂索引函数可以具有如下的带有权重系数的项的线性组合：f(ComplexIndex)＝a1+(a2)(R3/2)+(a3)(R4/3)+(a4)(R5/4)+(a5)(R3/2)(G)+(a6)(R4/3)(G)+(a7)(R3/2)(Temp)+(a8)(R4/3)(Temp)+(a9)(Temp)+(a10)(G)+…，其中，a1是常数且不是权重系数、a2至a10独立地作为项权重系数、G是未经补偿的确定的样本分析物浓度且Temp是温度。项权重系数(a2至a10)分别跟着它的关联项：(R3/2)、(R4/3)、(R5/4)、(R3/2)(G)、(R4/3)(G)、(R3/2)(Temp)、(R4/3)(Temp)、(Temp)和(G)。可以使用其它的包含带有权重系数的项的非线性和其它组合的复杂索引函数。
复杂索引函数的每一项都可以含有一个或多个误差参数。可以使用一个或多个排除测试来选择项。更加优选地，主要函数是复杂索引函数，诸如在2011年6月6日提交的题目为“复杂索引函数”的公开号为2011/0297554的美国专利中所述的复杂索引函数。可以使用其它的主要补偿方法。
从基于时间的信号曲线(signal profile)(例如，Alc反射率曲线或电流曲线)中计算出SSP参数。简单地说，可以通过之前连续输出信号的分段信号处理(SSP)来减小由之前连续输出信号的终点确定的分析物浓度的分析误差和导致的偏差。通过将连续输出信号分成多段并将一个或多个段转换成SSP参数，可以确定SSP函数。此外，即使在扰动系统(例如，基于门控安培分析法或伏安分析法的系统)中，分段信号补偿能够不依赖于由门控输入信号引起的扰动而实施补偿。
通过乘以单独的误差参数来形成交叉项。例如，温度值和未经补偿的初始样品分析物浓度值。通过对单独的误差参数进行除法运算来形成比值参数。例如，温度值和未经补偿的初始样品分析物浓度值。也可以对在分析期间的不同时间从主要输出信号获得的中间电流进行划分来形成比值参数。可以在2012年9月20日提交的题目为“含有分段信号的分析补偿(Analysis Compensation Including Segmented Signals)”的公开号为2013/0071869的美国专利公开中找到关于交叉项的额外细节。可以在2011年3月22日提交的题目为“含有底部填充误差的残差补偿(Residual Compensation Including UnderfillError)”的公开号为2011/0231105的美国专利公开中找到关于比值参数的额外细节。
在854中，利用一个或多个数学方法来确定各个选择的或潜在的项的第一排除值。所述数学方法可以包括回归方法(优选多变量回归)以及诸如此类的方法。排除值可以是p值等。所述数学方法也可以提供权重系数、常数和与选择的项相关的其它值。所述多变量回归是这样的一种统计回归方法：其能够评估多个项对某值的影响且能够提供表述各项对所述值影响到何种程度的信息。因此，多变量回归既能够提供表述各项贡献的权重系数又能够提供表述如下项的p值：所述项对所述值提供统计上最显著的贡献。
MINITAB版本14或16软件可以与选择用来进行多变量回归的多变量选项的线性组合的多变量回归一起使用。可以使用其它的统计分析或回归选项来确定项的权重系数。可以在2012年9月20日提交的题目为“含有分段信号的分析补偿(Analysis CompensationIncluding Segmented Signals)”的公开号为2013/0071869的美国专利公开和在2011年3月22日提交的题目为“含有底部填充误差的残差补偿(Residual Compensation IncludingUnderfill Error)”的公开号为2011/0231105的美国专利公开中找到关于多变量回归的额外细节。
在856中，将一个或多个排除测试施加于排除值以识别要从补偿关系中排除的一个或多个项。在测试中排除至少一个项。优选地，利用一个或多个排除测试来从补偿关系中去除统计上不显著的潜在项直至函数获得期望的项。在857中，重复一个或多个数学方法来识别剩余项的第二排除值。在858中，如果在一个或多个排除测试下，第二排除值不识别出要从补偿关系中排除的剩余项，那么所述剩余项被包含在补偿关系中。在859中，如果在一个或多个排除测试下，第二排除值识别出要从补偿关系中排除的剩余项，那么可以重复857的一个或多个数学方法以识别剩余项的第三排除值。这些剩余项可以如858中一样被包含在补偿关系中或者处理可以如859中一样迭代地重复直至排除测量无法识别出要排除的一个或多个项。可以在2011年3月22日提交的题目为“含有底部填充误差的残差补偿(Residual Compensation Including Underfill Error)”的公开号为2011/0231105的美国专利公开中找到关于利用排除测试来确定补偿关系的项以及权重系数的额外信息。
示例1：如何确定含有基于信号的锚定参数以及其它参数的通道补偿关系的示例，如下：
与分段信号(SSP)和其它参数组合地使用锚定参数来提供主要输出信号通道Chl和Ch3的补偿关系。利用多变量回归来确定％-A1c生物传感系统的Chl和Ch3的补偿关系，该补偿关系包含由基于信号的锚定参数(以及相关联的交叉项)提供的系统误差补偿，如下：
Chl(D-NA1_9)＝-0.7729+0.8349*'C2MV'+0.6484*'MR1'-0.005598*'Mt1'+0.7585*'D1-3'+53.16*'D1-5'+16.632*'D2-4'+288.14*'D2-5'+53.16*'D2-20'+0.12334*'D-C2*A1'+4.7018*'DNR1*C2MV'+2.5883*'DNR1*D1-1'-0.019564*'D1-2/1'+0.17053*'D1-2/1a'+3.737*'D1-4/1a'+1.6629*'D1-5/3a'+155.92*'DNR1*D1-4/1'+10.458*'DNR1*D1-4/3'。
Ch3(D-NA3_9)＝-0.7167+0.8591*'C4MV'+0.6088*'MR3'-1.3598*'D3-3'+115.73*'D3-5'+20.958*'D4-4'+204.24*'D4-5'+72.19*'D4-20'+0.27735*'DN R3*A3'-0.3709*'D-C4*A3'-1.453*'DNR3*D3-1'-503.4*'D-C4*D4-4'+4469*'D-C4*D4-20'+0.0916*'D3-2/1a'+1.0911*'D3-4/1'-2.984*'D3-5/3'+1.1017*'D3-5/3a'。
对于两个补偿关系，诸如C4MV等项是测量的反射率；MR1是为A1c反射率曲线测量的最小A1c反射率；Mt1是到达MR1所需的分析时间；诸如D1-3等项是SSP参数；DNR1是Ch1的锚定参数且DNR3是Ch3的锚定参数；且诸如D1-2/1和D1-2/1a等项是SSP比值参数。Ch1方程的常数是-0.7729且Ch3方程的常数是-0.7167。还示出了各项的权重系数。常数、权重系数和项会因不同的分析而不同。虽然人们从如通过前述的排除步骤而确定的方程中的项认为测量装置的两个通道是“相同的”，但是补偿关系对于各个通道而言是不同的。
如通过MINITAB版本16软件利用多变量选项的线性组合的多变量回归而进行的来自多变量回归的回归输出如下面的表格1中所示。回归输出的“常数”行的值不是权重系数，而是多变量回归方程的常数。
表格1A：具有锚定和其它参数的多变量回归输出的Ch1示例
表格1B：具有锚定和其它参数的多变量回归输出的Ch3示例
示例2：如何确定含有基于浓度的锚定参数以及其它参数的通道补偿关系的示例，如下：
在本示例中，通过如下地将相对误差(dA/A1cRef或dA3/A1cRef)写作与SSP和其它参数相组合的浓度锚定参数的函数，来一般地表达各个通道的系统误差：DAr1＝dA1/A1cRef＝f(DA1＝Ch1的锚定参数(dA1/A1cAvg)、SSP参数和其它误差参数)；DAr3＝dA3/A1cRef＝f(DA3＝Ch3的锚定参数(dA3/A1cAvg)、SSP参数和其它误差参数)。在实验室中为具有使用Tosoh G7标准仪器确定的已知的参考样品分析物浓度的多个样品确定这些表达式。
提供基于与SSP和其它参数组合的锚定参数的补偿的该方法的示例如下。表格2A和表格2B示出了关于Ch1和Ch3的通过包含基于浓度的锚定参数以及具有SSP及其具有其它参数的交叉项而获得的多变量回归结果。回归输出的“常数”行的值不是权重系数，而是多变量回归方程的常数。
表格2A：由锚定参数、SSP参数和其它参数得到的Ch1多变量回归结果
表格2B：由锚定参数、SSP参数和其它参数得到的Ch3多变量回归结果
血液的％-A1c分析
使用测量装置确定通道1(Ch1)和通道3(Ch3)的多个参考样品的分析物浓度以提供两个初始％-A1c分析物浓度。因此，对于各个样品，确定Ch1初始分析物浓度(Ch1A1c_init)和Ch3初始分析物浓度(Ch3A1c_init)。然后通过求取Ch1和Ch3初始％-A1c分析物浓度的平均值来确定第一伪参考(Pseudo1)。如前所述，利用使用SSP和其它参数的多变量回归来确定锚定参数以确定Ch1和Ch3的锚定参数补偿的分析物浓度。如前所述，然后进行伪参考浓度的逐次逼近以进一步减小选作样品的经补偿的最终分析物浓度的伪参考浓度的误差。
图2A和图2B表示针对一组含有5％或9％的Alc分析物的血液参考样品的伪参考浓度的逐次逼近的两个示例。在每个％-Alc水平处，三个批次的测试传感器重复约50次分析。这两组绘图证实：在初始锚定参数补偿(Chl和Ch3的在多变量回归中的含有锚定参数、SSP以及其它参数的补偿关系)之后，％-CV值在伪参考浓度的后来的逐次逼近中继续改善。绘图的水平X轴示出了在未经锚定参数(系统误差)补偿而确定的样品分析物浓度(LCD)、第一伪参考浓度(第0级)、第二伪参考浓度(第1级逐次逼近)、第三伪参考浓度(第2级逐次逼近)、第四伪参考浓度(第3级逐次逼近)和第五伪参考浓度(第4级逐次逼近)中的％-CV。
在图2A中，在5％-Alc样品浓度下，％-CV从未经锚定参数补偿浓度时的约3.7降至利用伪参考浓度的逐次逼近的第4级近似时的约2。因此，观察到关于％-CV的接近50％的改善，这将会转换成生物传感系统的显著改善的测量性能。在图2B中，在9％-Alc样品浓度下，％-CV从未经锚定参数补偿浓度时的约3.7降至利用伪参考浓度的逐次逼近的第4级近似时的约3.5。在第0级近似后，继续逐步地改善％-CV。
图2C和图2D示出了关于使用第2批次的测试传感器和生物传感系统的测量装置获得的分析数据的对于区域1的Ch1和Ch3检测器(主要输出信号)的第0级和第4级逐次逼近的回归。注意到了第4级逐次逼近之后R2相关性值的约27％(即，(0.85-0.67)/0.67*100)的显著改善，因此，这示出了逐次逼近补偿提高了用于描述确定分析物浓度的误差的能力。
图2E和图2F示出了关于第0级和第4级逐次逼近的分别对于Ch1数据的5％和9％的Alc浓度的回归。在这里，逐次逼近补偿的能力使生物传感系统的在低于5％样品分析物浓度下的用于描述分析中的误差的能力增加两倍左右。
图2G和图2H示出了关于两个独立通道的多次分析的伪参考浓度的逐次逼近的R2相关性值。随着R2值的增加，％-CV值(表示精确度)也提高，特别是在5％的Alc样品浓度下。因此，观察到生物传感系统的测量性能的提升。
图3描绘了对生物流体样品中的分析物浓度进行确定的生物传感系统300的示意图。生物传感系统300包括测量装置302和测试传感器304。测量装置302可以实现为分析仪器，包括台式装置或便携式或手持式装置等。优选地，以手持装置的方式来实现测量装置302。测量装置302和测试传感器304可以适于实现电化学传感系统、光学传感系统以及它们的组合等。
生物传感系统300利用常规校准信息或根据前述的标准化方法而发展出的校准信息以及存储于测量装置302中的锚定参数补偿信息来确定样品的分析物浓度。来自校准方法100和102中的一者或两者的校准信息可以存储于测量装置302中。分析方法400可以存储于测量装置中以由生物传感系统300实施。
当生物传感系统300实施补偿时，由伪参考浓度的逐次逼近确定的锚定参数补偿信息可以提升生物传感系统300在确定样品的分析物浓度方面的测量性能。生物传感系统300可以用来确定包括葡萄糖、Alc、尿酸、乳酸、胆固醇和胆红素等的分析物浓度。虽然示出了特定的构造，但是生物传感系统300可以具有包括具有额外组件的构造在内的其它构造。
测试传感器304具有：形成容器308的基底306和带有开口312的通道310。容器308和通道310可以由具有通风孔的盖子覆盖。容器308限定了部分封闭的体积。容器308可以含有有助于保留流体样品的诸如吸水膨胀聚合物或渗水聚合物基体等成分。试剂可以沉淀于容器308和/或通道310中。试剂可以含有一种或多种酶、粘合剂、介体以及类似物。试剂可以含有光学系统的化学指示剂。测试传感器304具有与容器308相邻的样品接口314。测试传感器304可以具有其它构造。
在光学传感系统中，样品接口314具有用于查看样品的光学口或光圈。光学口可以被基本上透明的材料覆盖。样品接口314可以在容器308相对侧具有光学口。
在电化学系统中，样品接口314具有与工作电极332和对电极334连接的导体，可以从工作电极332和对电极334中测量出分析输出信号。样品接口314也可以包括与一个或多个额外电极336连接的导体，可以从额外电极336中测量出次要输出信号。电极可以大体上位于同一平面或位于一个以上平面。电极可以配置在形成容器308的基底306的表面 上。电极可以延伸或突入至容器308中。介电层可以部分地覆盖导体和/或电极。样品接口314可以具有其它的电极和导体。
测量装置302包括与传感器接口318和可选显示器320连接的电路316。电路316包括与信号发生器324、可选温度传感器326和存储媒介328连接的处理器322。
信号发生器324能够响应于处理器322向传感器接口318提供电输入信号。在光学系统中，电输入信号可以用来操作或控制传感器接口318中的检测器和光源。在电化学系统中，电输入信号可以由传感器接口318发送至样品接口314以将该电输入信号施加至生物流体的样品。电输入信号可以是电位或电流且可以是恒定的、变化的或它们的组合，例如当AC信号与DC信号偏置一起被施加时。电输入信号可以连续地施加或以多次激励、序列或周期的形式来施加。信号发生器324也可以作为发生器-记录器而能够记录来自传感器接口的输出信号。
可选温度传感器326能够确定测量装置302的环境温度。样品的温度可以从测量装置302的环境温度而估计得出，从输出信号而计算得出或假定为与测量装置302的环境温度相同或相近。可以使用热敏电阻、温度计或其它温度传感器件来测量温度。可以利用其它方法来确定样品温度。
存储媒介328可以是磁性的、光学的或半导体存储器或另外的存储器件等。存储媒介328可以是固定存储器件、可拆除存储器件(例如，存储卡等)或是远程访问的等。
处理器322能够利用存储于存储媒介328中的计算机可读软件代码和由伪参考浓度的逐次逼近确定的校准信息和锚定参数补偿信息来执行分析物分析方法。处理器322可以响应于测试传感器304在传感器接口318处的存在、样品施加于测试传感器304或响应于用户输入等开始分析物分析。处理器322能够指引信号发生器324将电输入信号提供至传感器接口318。处理器322能够接收来自温度传感器326的样品温度。处理器322能够接收来自传感器接口318的输出信号。
在电化学系统中，分析物响应主要输出信号响应于样品中的分析物 的反应而从工作电极332和对电极334产生。次要输出信号也可以从额外电极336产生。在光学系统中，传感器接口318的一个或多个检测器接收主要和任何次要输出信号。可以利用光学系统或电化学系统等来产生输出信号。处理器322能够利用存储于存储媒介328中的由伪参考浓度的逐次逼近确定的校准信息和锚定参数补偿信息来从输出信号中确定分析物浓度。分析物分析的结果可以被输出至显示器320、远程接收器(未示出)，且/或可以存储于存储媒介328中。
可以在以图形的方式、数学的方式或它们的组合等来表示由伪参考浓度的逐次逼近确定的锚定参数补偿信息和与参考样品分析物浓度和来自测量装置302的输出信号有关的校准信息。优选将校准信息和由伪参考浓度的逐次逼近确定的锚定参数补偿信息表示为相关性方程，该相关性方程可以由存储于存储媒介328中的程序编号(PNA)表格或另外的查找表等来表示。
也可以由存储于存储媒介328中的计算机可读软件代码提供关于实施如下的分析物分析的指令：该分析物分析含有由伪参考浓度的逐次逼近确定的校准和锚定参数补偿信息。代码可以是目标代码或者描述或控制期望功能的任何其它代码。来自分析物分析的数据在处理器322中可以经过包括确定衰减率、K常数、比值和函数等在内的一种或多种数据处理。
在电化学系统中，传感器接口318具有与测试传感器304的样品接口314中的导体连接或电通信的触点。传感器接口318能够通过触点将来自信号发生器324的电输入信号传输至样品接口314中的连接体。传感器接口318还能够通过触点将来自样品的输出信号传输至处理器322和/或信号发生器324。
在光吸收和光产生光学系统中，传感器接口318包括用于收集且测量光的检测器。该检测器通过样品接口314中的光学口来接收来自测试传感器304的光。在光吸收光学系统中，传感器接口318还包括诸如激光或发光二极管等光源。入射光束可以具有选择用来被反应产物吸收的波长。传感器接口318指引来自光源的入射光束通过样品接口314的光学口。检测器可以相对于光学口以诸如45°等角度放置以接收从样品反射回来的光。检测器可以相邻于光学口放置在样本的相对于光源的另一侧以接收透过样品传输的光。检测器可以放置在另外的位置以接收反射的和/或透射的光。
可选的显示器320可以是模拟的或数字的。显示器320可以包括LCD、LED、OLED、真空荧光显示器(VFD)或适于显示数字读数的其它显示器。可以使用其它显示技术。显示器320与处理器322电通信。显示器320可以是与测量装置302分开的，例如当它与处理器322无线通信时等。可替代地，显示器320可以从测量装置302去除，诸如当测量装置302与远程计算装置和药物定量泵等电通信时。
在使用中，通过将流体引入开口312来将分析用流体样品转移至容器308中。流体样品流经通道310，在排出之前含有的空气的同时填充容器308。流体样品与沉淀于通道310和/或容器308中的试剂发生化学反应。
测试传感器304相对于测量装置302布置，以使样品接口314与传感器接口318进行电和/或光通信。电通信包括：输入和/或输出信号在传感器接口318中的触点与样品接口314中的导体之间的传输。光通信包括：光在样品接口314中的光学口与传感器接口318中的检测器之间的传输。光通信还包括：样品接口314中的光学口与传感器接口318中的光源之间的光的传输。
处理器322能够指引信号发生器324将输入信号提供至测量装置302的传感器接口318。在光学系统中，传感器接口318能够响应于输入信号来操作检测器和光源。在电化学系统中，传感器接口318能够通过样品接口314将输入信号提供至样品。测试传感器304能够响应于输入信号来产生一个或多个输出信号。如前所述，处理器322能够接收响应于样品中分析物的氧化还原反应而产生的输出信号。
处理器322能够利用存储于存储媒介328中的分析方法和校准信息来转换输出信号以确定样品的初始分析物浓度。处理器322可以随后报告该初始分析物浓度。处理器322能够实施包含伪参考浓度的逐次逼近的锚定参数补偿以确定样品的最终分析物浓度。处理器322还可以实施一个以上的补偿和/或其它功能。
为了提供对本申请的说明书和权利要求的清楚且更加一致的理解，提出下面的定义。
“平均化”、“平均的”或“求平均值”包括：用来形成平均变量的两个或以上变量的组合。变量可以是数值、代数式或科学表达式等。例如，可以通过将变量相加并且将相加的和除以变量的数量来进行求平均值。例如，在方程AVG＝(a+b+c)/3中，其中，AVG是平均变量且a、b和c是变量。在另一个示例中，求平均值包括：用均化系数来修改各个变量然后将修改过的变量相加以形成加权平均。例如在方程WAVG＝0.2*a+0.4*b+0.4*c中，其中，WAVG是加权平均，0.2、0.4和0.4是均化系数，且a、b和c是变量。均化系数是0与1之间的数字；如果将均化系数相加，那么得出的和为1或大体上为1。可以使用其它的求平均值的方法。
“加权系数”分配各项对于关系的贡献。加权系数是0与1之间的数字，但不得为0和1；如果将加权系数相加，那么得出的和为1或大体上为1。加权系数不能是1，因为1不能分配项对于关系的贡献，且加权系数不能是0，因为0导致从关系中去除了该项。因此，加权系数使得各项具有对于关系的不同的分配。两个或以上的项加权系数可以是相同的或类似地分配各自的项对于函数的贡献。然而，至少两个加权系数是不同的或者不同地分配各自的项对于关系的贡献。这样，项加权系数可以被选择用来顾及一个项对另一个项的关于整个函数的影响，从而减小或消除当使用复杂索引函数时项的相互作用带来的误差。项加权系数不是可以通过代数配置应用于所有项的单个值或常数。可以通过数学方法来确定项加权系数，诸如从多个分析物浓度、不同红细胞水平、不同总血红蛋白水平和不同温度等的组合中收集的数据的统计处理等。可以通过包含不同统计处理方法的其它数学方法来确定项加权系数。优选地，使用含有一个或多个排除测试的多变量回归方法来确定项加权系数。
“复杂索引函数”是具有经加权系数修改过的项的索引函数。复杂索引函数优选在数学意义上不“复杂”，从而不要求或意味着虚数(负数的平方根)的使用。然而，复杂索引函数可以含有一个或多个虚数，但 是不限定或限制于具有任何虚数。
“可测量物”表述的是样品中的物类且可以是感兴趣的分析物或样品中的浓度响应于感兴趣的分析物的浓度的介体，生物传感系统被设计用来确定样本中的该物类的存在和/或浓度。
虽然已经说明了本发明的各种实施例，但是对本领域普通技术人员而言，本发明范围内的其它实施例和实施方式显然也是可能的。

Claims (51)

1.一种用于确定样品中的分析物浓度的方法，所述方法包括：
从样品中产生至少两个分析物响应输出信号；
测量来自所述样品的所述至少两个分析物响应输出信号；
从所述至少两个分析物响应输出信号确定至少两个初始分析物浓度；
从所述至少两个分析物响应输出信号确定第一伪参考浓度，所述第一伪参考浓度是真实相对误差的第一替代；
响应于所述第一伪参考浓度确定至少两个第一锚定参数，所述至少两个第一锚定参数补偿系统误差，所述至少两个第一锚定参数中的至少一者是响应于第一标准化输出信号值和伪参考信号确定的第一通道基于信号的锚定参数，所述第一通道基于信号的锚定参数＝(NROSV1－NRPseudo)/NRPseudo，NROSV1是所述第一标准化输出信号值且NRPseudo是所述伪参考信号；
将所述至少两个第一锚定参数并入至少两个第一补偿关系，所述至少两个第一补偿关系中的至少一者包括Ach1_comp＝Ach1initial/(1+RECh1)，Ch1是通道1，Ach1_comp是对于通道1确定的锚定参数补偿的分析物浓度，Ach1initial是对于通道1确定的所述初始分析物浓度，RECh1是对于通道1确定的所述补偿关系；
响应于所述至少两个初始分析物浓度、所述至少两个第一锚定参数和所述至少两个第一补偿关系确定至少两个第一锚定补偿的分析物浓度；
通过求取所述至少两个第一锚定补偿的分析物浓度的平均值确定第二伪参考浓度，所述第二伪参考浓度是真实相对误差的第二替代；并且
将所述第二伪参考浓度报告为所述样品的经补偿的最终分析物浓度。
2.如权利要求1所述的方法，还包括：
响应于所述第二伪参考浓度确定至少两个第二锚定参数，其中，所述至少两个第二锚定参数补偿系统误差；
将所述至少两个第二锚定参数并入至少两个第二补偿关系；
响应于所述至少两个初始分析物浓度、所述至少两个第二锚定参数和所述至少两个第二补偿关系确定至少两个第二锚定补偿的分析物浓度；
通过求取所述至少两个第二锚定补偿的分析物浓度的平均值来确定第三伪参考浓度，所述第三伪参考浓度是真实相对误差的第三替代；并且
将所述第三伪参考浓度报告为所述样品的所述经补偿的最终分析物浓度。
3.如权利要求2所述的方法，还包括：
响应于所述第三伪参考浓度确定至少两个第三锚定参数，所述至少两个第三锚定参数补偿系统误差；
将所述至少两个第三锚定参数并入至少两个第三补偿关系；
响应于所述至少两个初始分析物浓度、所述至少两个第三锚定参数和所述至少两个第三补偿关系确定至少两个第三锚定补偿的分析物浓度；
通过求取所述至少两个第三锚定补偿的分析物浓度的平均值确定第四伪参考浓度，所述第四伪参考浓度是真实相对误差的第四替代；并且
将所述第四伪参考浓度报告为所述样品的所述经补偿的最终分析物浓度。
4.如权利要求1至3中任一项所述的方法，其中，所述第一伪参考浓度的确定包括：将所述至少两个分析物响应输出信号平均化。
5.如权利要求1至3中任一项所述的方法，其中，所述第一伪参考浓度的确定包括：
将所述至少两个分析物响应输出信号平均化；并且
将所述至少两个分析物响应输出信号的平均信号转换成所述第二伪参考浓度。
6.如权利要求1至3中任一项所述的方法，其中，所述至少两个第一锚定参数包括至少一个基于浓度的锚定参数。
7.如权利要求6所述的方法，还包括：通过从所述至少两个初始分析物浓度中的一者减去所述第一伪参考浓度然后除以所述第一伪参考浓度，来确定所述至少一个基于浓度的锚定参数。
8.如权利要求1-3中任一项所述的方法，其中，所述至少两个第一锚定参数的确定包括：
响应于第二标准化输出信号值和所述伪参考信号确定第二通道基于信号的锚定参数。
9.如权利要求8所述的方法，
其中，所述第二通道基于信号的锚定参数包括：第二信号锚定参数＝(NROSV2－NRPseudo)/NRPseudo，NROSV2是所述第二标准化输出信号值且NRPseudo是所述伪参考信号。
10.如权利要求8所述的方法，还包括：
响应于第一分析物响应输出信号和标准化关系确定所述第一标准化输出信号值，
响应于第二分析物响应输出信号和所述标准化关系来确定所述第二标准化输出信号值；并且
响应于所述伪参考浓度和标准化参考相关性确定所述伪参考信号。
11.如权利要求1至3中任一项所述的方法，其中，所述至少两个第一补偿关系还包括Ach3_comp＝Ach3initial/(1+RECh3)，Ch3是通道3，Ach3_comp是对于通道3确定的锚定参数补偿的分析物浓度，Ach3initial是对于通道3确定的所述初始分析物浓度，RECh3是对于通道3确定的所述补偿关系。
12.如权利要求1至3中任一项所述的方法，其中，所述经补偿的最终分析物浓度包括糖化血红蛋白和葡萄糖中的至少一者，且所述样品包括血液。
13.一种分析物测量装置，其包括与传感器接口连接的电路，其中，所述电路包括与信号发生器和存储媒介连接的处理器；其中，所述处理器能够实施权利要求1至12中的任一方法。
14.一种用于确定样品中的分析物浓度的生物传感系统，所述系统包括：
测试传感器，所述测试传感器具有与由基底形成的容器相邻的样品接口，其中，所述测试传感器能够从所述样品产生至少两个分析物响应输出信号；和
测量装置，所述测量装置具有与传感器接口连接的处理器，所述传感器接口与所述样品接口电通信，且所述处理器与存储媒介电通信；
其中，所述处理器能够实施权利要求1至12中的任一方法。
15.一种分析物测量装置，其包括：
与传感器接口连接的电路，其中，所述电路包括与信号发生器和存储媒介连接的处理器；
其中，所述处理器能够从样品测量至少两个分析物响应输出信号；
其中，所述处理器能够从所述至少两个分析物响应输出信号确定至少两个初始分析物浓度；
其中，所述处理器能够从所述至少两个分析物响应输出信号确定第一伪参考浓度，其中，所述第一伪参考浓度是真实相对误差的第一替代；
其中，所述处理器能够响应于所述第一伪参考浓度确定至少两个第一锚定参数，所述至少两个第一锚定参数补偿系统误差，所述至少两个第一锚定参数中的至少一者是响应于第一标准化输出信号值和伪参考信号确定的第一通道基于信号的锚定参数，所述第一通道基于信号的锚定参数＝(NROSV1－NRPseudo)/NRPseudo，NROSV1是所述第一标准化输出信号值且NRPseudo是所述伪参考信号；
其中，所述处理器能够将所述至少两个第一锚定参数并入至少两个第一补偿关系，所述至少两个第一补偿关系中的至少一者包括Ach1_comp＝Ach1initial/(1+RECh1)，Ch1是通道1，Ach1_comp是对于通道1确定的锚定参数补偿的分析物浓度，Ach1initial是对于通道1确定的所述初始分析物浓度，RECh1是对于通道1确定的所述补偿关系；
其中，所述处理器能够响应于所述至少两个初始分析物浓度、所述至少两个第一锚定参数和所述至少两个第一补偿关系确定至少两个第一锚定补偿的分析物浓度；
其中，所述处理器能够通过求取所述至少两个第一锚定补偿的分析物浓度的平均值来确定第二伪参考浓度，所述第二伪参考浓度是真实相对误差的第二替代；并且
其中，所述处理器能够将所述第二伪参考浓度报告为所述样品的经补偿的最终分析物浓度。
16.如权利要求15所述的分析物测量装置，还包括：
其中，所述处理器能够响应于所述第二伪参考浓度确定至少两个第二锚定参数，所述至少两个第二锚定参数补偿系统误差；
其中，所述处理器能够将所述至少两个第二锚定参数并入至少两个第二补偿关系；
其中，所述处理器能够响应于所述至少两个初始分析物浓度、所述至少两个第二锚定参数和所述至少两个第二补偿关系确定至少两个第二锚定补偿的分析物浓度；
其中，所述处理器能够通过求取所述至少两个第二锚定补偿的分析物浓度的平均值来确定第三伪参考浓度，所述第三伪参考浓度是真实相对误差的第三替代；并且
其中，所述处理器能够将所述第三伪参考浓度报告为所述样品的所述经补偿的最终分析物浓度。
17.如权利要求15所述的分析物测量装置，还包括：
其中，所述处理器能够响应于所述第三伪参考浓度来确定至少两个第三锚定参数，所述至少两个第三锚定参数补偿系统误差；
其中，所述处理器能够将所述至少两个第三锚定参数并入至少两个第三补偿关系；
其中，所述处理器能够响应于所述至少两个初始分析物浓度、所述至少两个第三锚定参数和所述至少两个第三补偿关系确定至少两个第三锚定补偿的分析物浓度；
其中，所述处理器能够通过求取所述至少两个第三锚定补偿的分析物浓度的平均值来确定第四伪参考浓度，所述第四伪参考浓度是真实相对误差的第四替代；并且
其中，所述处理器能够将所述第四伪参考浓度报告为所述样品的所述经补偿的最终分析物浓度。
18.如权利要求15所述的分析物测量装置，其中，所述至少两个分析物响应输出信号是来自所述样品的独立的分析物响应输出信号。
19.如权利要求15所述的分析物测量装置，其中，所述处理器能够通过选择样品分析物浓度值作为所述伪参考浓度来确定所述第一伪参考浓度，其中，多次分析的所述样品分析物浓度值比由所述至少两个分析物响应输出信号独立地确定的所述样品分析物浓度值在平均值上更加接近于所述样品的实际分析物浓度。
20.如权利要求19所述的分析物测量装置，其中，所述处理器能够通过将所述至少两个分析物响应输出信号平均化来确定所述第一伪参考浓度。
21.如权利要求19所述的分析物测量装置，其中，所述处理器能够通过如下过程确定所述第一伪参考浓度：
将所述至少两个分析物响应输出信号平均化；并且
将所述至少两个分析物响应输出信号的平均信号转换成所述第二伪参考浓度。
22.如权利要求15所述的分析物测量装置，其中，所述处理器能够响应于所述第一伪参考浓度和所述至少两个初始分析物浓度确定所述至少两个第一锚定参数。
23.如权利要求22所述的分析物测量装置，其中，所述处理器能够通过如下过程确定所述至少两个第一锚定参数中的至少一者：
响应于所述第一伪参考浓度和基于第一分析物响应输出信号的初始分析物浓度来确定第一通道基于浓度的锚定参数；并且
响应于所述第一伪参考浓度和基于第二分析物响应输出信号的初始分析物浓度来确定第二通道基于浓度的锚定参数。
24.如权利要求15所述的分析物测量装置，其中，所述处理器能够响应于所述第一伪参考浓度和所述至少两个分析物响应输出信号确定所述至少两个第一锚定参数。
25.如权利要求24所述的分析物测量装置，其中，所述处理器能够通过如下过程确定所述至少两个第一锚定参数中的至少一者：
响应于第一标准化输出信号值和伪参考信号确定第一通道基于信号的锚定参数；并且
响应于第二标准化输出信号值和所述伪参考信号确定第二通道基于信号的锚定参数。
26.如权利要求25所述的分析物测量装置，
其中，所述第二通道基于信号的锚定参数包括：第二信号锚定参数＝(NROSV2－NRPseudo)/NRPseudo，NROSV2是所述第二标准化输出信号值且NRPseudo是所述伪参考信号。
27.如权利要求25所述的分析物测量装置，其中，所述处理器能够：
响应于第一分析物响应输出信号和标准化关系确定所述第一标准化输出信号值，
响应于第二分析物响应输出信号和所述标准化关系确定所述第二标准化输出信号值；并且
响应于所述伪参考浓度和标准化参考相关性确定所述伪参考信号。
28.如权利要求15所述的分析物测量装置，其中，所述至少两个第一锚定参数包括至少一个基于浓度的锚定参数。
29.如权利要求15所述的分析物测量装置，其中，所述至少两个第一补偿关系包括所述至少两个第一锚定参数和至少一个其它误差参数。
30.如权利要求15所述的分析物测量装置，其中，所述至少两个第一补偿关系还包括：Ach3_comp＝Ach3initial/(1+RECh3)，Ch3是通道3，Ach3_comp是对通道3确定的锚定参数补偿的分析物浓度，Ach3initial是对通道3确定的所述初始分析物浓度，RECh3是对通道3确定的补偿关系。
31.如权利要求15所述的分析物测量装置，其中，所述处理器能够将所述经补偿的最终分析物浓度存储于所述存储媒介中。
32.如权利要求15所述的分析物测量装置，所述经补偿的最终分析物浓度包括糖化血红蛋白和葡萄糖中的至少一者，且其中所述样品包括血液。
33.如权利要求15所述的分析物测量装置，其中，所述测量装置还包括至少两个检测通道。
34.一种用于确定样品中的分析物浓度的生物传感系统，所述生物传感系统包括：
测试传感器，所述测试传感器具有与由基底形成的容器相邻的样品接口，其中，所述测试传感器能够从样品中产生至少两个分析物响应输出信号；和
测量装置，所述测量装置具有与传感器接口连接的处理器，所述传感器接口与所述样品接口电通信，且所述处理器与存储媒介电通信；
其中，所述处理器能够测量来自所述样品的所述至少两个分析物响应输出信号；
其中，所述处理器能够从所述至少两个分析物响应输出信号确定至少两个初始分析物浓度；
其中，所述处理器能够从所述至少两个分析物响应输出信号确定第一伪参考浓度，所述第一伪参考浓度是真实相对误差的第一替代；
其中，所述处理器能够响应于所述第一伪参考浓度确定至少两个第一锚定参数，其中，所述至少两个第一锚定参数补偿系统误差，所述至少两个第一锚定参数中的至少一者是响应于第一标准化输出信号值和伪参考信号确定的第一通道基于信号的锚定参数，所述第一通道基于信号的锚定参数＝(NROSV1－NRPseudo)/NRPseudo，NROSV1是所述第一标准化输出信号值且NRPseudo是所述伪参考信号；
其中，所述处理器能够将所述至少两个第一锚定参数并入至少两个第一补偿关系，所述至少两个第一补偿关系中的至少一者包括Ach1_comp＝Ach1initial/(1+RECh1)，Ch1是通道1，Ach1_comp是对于通道1确定的锚定参数补偿的分析物浓度，Ach1initial是对于通道1确定的所述初始分析物浓度，RECh1是对于通道1确定的所述补偿关系；
其中，所述处理器能够响应于所述至少两个初始分析物浓度、所述至少两个第一锚定参数和所述至少两个第一补偿关系确定至少两个第一锚定补偿的分析物浓度；
其中，所述处理器能够通过求取所述至少两个第一锚定补偿的分析物浓度的平均值确定第二伪参考浓度，所述第二伪参考浓度是真实相对误差的第二替代；并且
其中，所述处理器能够将所述第二伪参考浓度报告为所述样品的经补偿的最终分析物浓度。
35.如权利要求34所述的生物传感系统，还包括：
其中，所述处理器能够响应于所述第二伪参考浓度确定至少两个第二锚定参数，所述至少两个第二锚定参数补偿系统误差；
其中，所述处理器能够将所述至少两个第二锚定参数并入至少两个第二补偿关系；
其中，所述处理器能够响应于所述至少两个初始分析物浓度、所述至少两个第二锚定参数和所述至少两个第二补偿关系确定至少两个第二锚定补偿的分析物浓度；
其中，所述处理器能够通过求取所述至少两个第二锚定补偿的分析物浓度的平均值来确定第三伪参考浓度，所述第三伪参考浓度是真实相对误差的第三替代；并且
其中，所述处理器能够将所述第三伪参考浓度报告为所述样品的所述经补偿的最终分析物浓度。
36.如权利要求34所述的生物传感系统，还包括：
其中，所述处理器能够响应于所述第三伪参考浓度确定至少两个第三锚定参数，所述至少两个第三锚定参数补偿系统误差；
其中，所述处理器能够将所述至少两个第三锚定参数并入至少两个第三补偿关系；
其中，所述处理器能够响应于所述至少两个初始分析物浓度、所述至少两个第三锚定参数和所述至少两个第三补偿关系确定至少两个第三锚定补偿的分析物浓度；
其中，所述处理器能够通过求取所述至少两个第三锚定补偿的分析物浓度的平均值确定第四伪参考浓度，所述第四伪参考浓度是真实相对误差的第四替代；并且
其中，所述处理器能够将所述第四伪参考浓度报告为所述样品的所述经补偿的最终分析物浓度。
37.如权利要求34所述的生物传感系统，其中，所述至少两个分析物响应输出信号是来自所述样品的独立的分析物响应输出信号。
38.如权利要求34所述的生物传感系统，其中，所述处理器能够通过选择样品分析物浓度值作为所述伪参考浓度来确定所述第一伪参考浓度，其中，多次分析的所述样品分析物浓度值比由所述至少两个分析物响应输出信号独立地确定的所述样品分析物浓度值在平均值上更加接近于所述样品的实际分析物浓度。
39.如权利要求38所述的生物传感系统，其中，所述处理器能够通过将所述至少两个分析物响应输出信号平均化来确定所述第一伪参考浓度。
40.如权利要求38所述的生物传感系统，其中，所述处理器能够通过如下过程确定所述第一伪参考浓度：
将所述至少两个分析物响应输出信号平均化；并且
将所述至少两个分析物响应输出信号的平均信号转换成所述第二伪参考浓度。
41.如权利要求34所述的生物传感系统，其中，所述处理器能够响应于所述第一伪参考浓度和所述至少两个初始分析物浓度确定所述至少两个第一锚定参数。
42.如权利要求41所述的生物传感系统，其中，所述处理器能够通过如下过程确定所述至少两个第一锚定参数中的至少一者：
响应于所述第一伪参考浓度和基于第一分析物响应输出信号的初始分析物浓度确定第一通道基于浓度的锚定参数；并且
响应于所述第一伪参考浓度和基于第二分析物响应输出信号的初始分析物浓度确定第二通道基于浓度的锚定参数。
43.如权利要求34所述的分析物测量装置，其中，所述处理器能够响应于所述第一伪参考浓度和所述至少两个分析物响应输出信号确定所述至少两个第一锚定参数。
44.如权利要求43所述的生物传感系统，其中，所述处理器能够通过如下过程确定所述至少两个第一锚定参数中的至少一者：
响应于第一标准化输出信号值和伪参考信号确定第一通道基于信号的锚定参数；并且
响应于第二标准化输出信号值和所述伪参考信号确定第二通道基于信号的锚定参数。
45.如权利要求43所述的生物传感系统，
其中，所述第二通道基于信号的锚定参数包括：第二信号锚定参数＝(NROSV2－NRPseudo)/NRPseudo，NROSV2是所述第二标准化输出信号值且NRPseudo是所述伪参考信号。
46.如权利要求44所述的生物传感系统，其中，所述处理器能够：
响应于第一分析物响应输出信号和标准化关系确定所述第一标准化输出信号值，
响应于第二分析物响应输出信号和所述标准化关系确定所述第二标准化输出信号值；并且
响应于所述伪参考浓度和标准化参考相关性确定所述伪参考信号。
47.如权利要求34所述的生物传感系统，其中，所述至少两个第一锚定参数包括至少一个基于浓度的锚定参数。
48.如权利要求34所述的生物传感系统，其中，所述至少两个第一补偿关系包括所述至少两个第一锚定参数和至少一个其它误差参数。
49.如权利要求34所述的生物传感系统，其中，所述至少两个第一补偿关系包括：Ach3_comp＝Ach3initial/(1+RECh3)，Ch3是通道3，Ach3_comp是对通道3确定的锚定参数补偿的分析物浓度，Ach3initial是对通道3确定的所述初始分析物浓度，RECh3是对通道3确定的补偿关系。
50.如权利要求34所述的生物传感系统，其中，所述处理器能够将所述经补偿的最终分析物浓度存储于所述存储媒介中。
51.如权利要求34所述的生物传感系统，其中，所述经补偿的最终分析物浓度包括糖化血红蛋白和葡萄糖中的至少一者，且其中所述样品包括血液。
CN201480025370.9A 2013-03-14 2014-03-11 样品分析物浓度的逐次逼近法 Active CN105308461B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361781771P 2013-03-14 2013-03-14
US61/781,771 2013-03-14
PCT/US2014/023167 WO2014159354A1 (en) 2013-03-14 2014-03-11 Progressive approximation of sample analyte concentration

Publications (2)

Publication Number Publication Date
CN105308461A CN105308461A (zh) 2016-02-03
CN105308461B true CN105308461B (zh) 2017-08-15

Family

ID=50942766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480025370.9A Active CN105308461B (zh) 2013-03-14 2014-03-11 样品分析物浓度的逐次逼近法

Country Status (10)

Country Link
US (1) US9933441B2 (zh)
EP (2) EP3457141B1 (zh)
JP (2) JP6446023B2 (zh)
CN (1) CN105308461B (zh)
CA (1) CA2902545A1 (zh)
ES (1) ES2715407T3 (zh)
HK (1) HK1220769A1 (zh)
IL (1) IL240817B (zh)
TW (2) TWI654431B (zh)
WO (1) WO2014159354A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2550530A1 (en) * 2010-03-22 2013-01-30 Bayer HealthCare LLC Residual compensation for a biosensor
FI128124B (en) * 2016-04-25 2019-10-15 Teknologian Tutkimuskeskus Vtt Oy Optical sensor, system and methods
EP3457136A4 (en) * 2016-05-13 2020-02-26 Eiken Kagaku Kabushiki Kaisha METHOD FOR CALCULATING THE RELATIONSHIP OF MEASURING OBJECT SUBSTANCE TO COMPARATIVE OBJECT SUBSTANCE, PROGRAM, STORAGE MEDIUM AND DEVICE

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102116752A (zh) * 2009-12-30 2011-07-06 生命扫描有限公司 使用填充时间改进生物传感器的精确度的系统、装置和方法
EP2479576A1 (en) * 2009-09-17 2012-07-25 Terumo Kabushiki Kaisha Blood glucose meter and blood glucose level measurement method

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6153069A (en) 1995-02-09 2000-11-28 Tall Oak Ventures Apparatus for amperometric Diagnostic analysis
US5620579A (en) 1995-05-05 1997-04-15 Bayer Corporation Apparatus for reduction of bias in amperometric sensors
ATE227844T1 (de) 1997-02-06 2002-11-15 Therasense Inc Kleinvolumiger sensor zur in-vitro bestimmung
US6749739B2 (en) * 2002-10-07 2004-06-15 Eci Technology, Inc. Detection of suppressor breakdown contaminants in a plating bath
US7888125B2 (en) * 2005-05-09 2011-02-15 Theranos, Inc. Calibration of fluidic devices
AR054851A1 (es) * 2005-07-20 2007-07-18 Bayer Healthcare Llc Amperometria regulada
US20070054404A1 (en) * 2005-09-08 2007-03-08 Beckman Coulter, Inc. Method of hemoglobin correction due to temperature variation
US8404100B2 (en) 2005-09-30 2013-03-26 Bayer Healthcare Llc Gated voltammetry
CN103760356B (zh) * 2007-12-10 2019-06-28 安晟信医疗科技控股公司 斜率式补偿
CN102854232B (zh) 2008-12-08 2015-12-02 拜尔健康护理有限责任公司 具有信号调节功能的生物传感器系统
TWI440853B (zh) 2009-12-14 2014-06-11 Taidoc Technology Corp 具有校正血容比功能之分析物測量電化學生物感測試紙、生物感測器裝置、系統以及測量方法
EP2550530A1 (en) * 2010-03-22 2013-01-30 Bayer HealthCare LLC Residual compensation for a biosensor
US9599614B2 (en) * 2011-03-14 2017-03-21 Yale University Calibration of nanostructure sensors
WO2013043839A1 (en) 2011-09-21 2013-03-28 Bayer Healthcare Llc Biosensor with error compensation
TWM438626U (en) * 2012-03-09 2012-10-01 Rainbow Light Optical Co Ltd Miniature fruit sweetness measurement device

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2479576A1 (en) * 2009-09-17 2012-07-25 Terumo Kabushiki Kaisha Blood glucose meter and blood glucose level measurement method
CN102116752A (zh) * 2009-12-30 2011-07-06 生命扫描有限公司 使用填充时间改进生物传感器的精确度的系统、装置和方法

Also Published As

Publication number Publication date
TW201818072A (zh) 2018-05-16
ES2715407T3 (es) 2019-06-04
EP3457141B1 (en) 2021-09-29
IL240817B (en) 2018-02-28
TWI654431B (zh) 2019-03-21
JP6446023B2 (ja) 2018-12-26
EP2972398B1 (en) 2018-12-19
TWI621852B (zh) 2018-04-21
EP2972398A1 (en) 2016-01-20
HK1220769A1 (zh) 2017-05-12
CA2902545A1 (en) 2014-10-02
JP2016516193A (ja) 2016-06-02
JP2019060889A (ja) 2019-04-18
TW201447301A (zh) 2014-12-16
EP3457141A1 (en) 2019-03-20
IL240817A0 (en) 2015-10-29
US20160033537A1 (en) 2016-02-04
JP6949811B2 (ja) 2021-10-13
WO2014159354A1 (en) 2014-10-02
CN105308461A (zh) 2016-02-03
US9933441B2 (en) 2018-04-03

Similar Documents

Publication Publication Date Title
CN103210310B (zh) 包含次级输出信号的基于斜率的补偿
JP6002274B2 (ja) 信号調整を持つバイオセンサシステム
CN105378484B (zh) 分析物浓度测定的标准化校准
CN105283765B (zh) 分析物浓度测定的系统误差补偿
CN103003692A (zh) 用于生物传感器的剩余补偿
CN105308461B (zh) 样品分析物浓度的逐次逼近法
US11644434B2 (en) Biosensor system analyte measurement

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20160825

Address after: Basel

Applicant after: BAYER HEALTHCARE LLC

Address before: new jersey

Applicant before: Bayer Corp.

REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1220769

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: GR

Ref document number: 1220769

Country of ref document: HK